0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一種新的機(jī)器學(xué)習(xí)模型讓醫(yī)生確定非典型導(dǎo)管增生是否會升級為癌癥

倩倩 ? 來源:新經(jīng)網(wǎng) ? 2020-04-25 09:36 ? 次閱讀

根據(jù)發(fā)表在《JCO Clinical Cancer Informatics》雜志上的新研究,一種新的機(jī)器學(xué)習(xí)模型可以讓醫(yī)生確定非典型導(dǎo)管增生(ADH)是否會升級為癌癥。該模型可以在手術(shù)前識別出所有惡性病例的98%,同時使16%的婦女無需進(jìn)行良性病變的手術(shù)。

ADH是一種乳腺病變,會使患乳腺癌的風(fēng)險增加四到五倍。通常,通過乳腺攝影發(fā)現(xiàn)ADH,并通過活檢證實其存在。在《診斷放射學(xué)當(dāng)前問題》中 發(fā)表的先前研究發(fā)現(xiàn),95%的乳腺成像儀建議 對活檢期間發(fā)現(xiàn)的所有ADH病例進(jìn)行手術(shù)切除,以確定病變是否為癌。

達(dá)特茅斯大學(xué)生物醫(yī)學(xué)數(shù)據(jù)科學(xué)和流行病學(xué)助理教授賽義德·哈桑普爾(Saeed Hassanpour)博士和同事寫道:“所有ADH病變的切除都可能導(dǎo)致過度治療,從而導(dǎo)致許多女性進(jìn)行良性病變的侵入性手術(shù)。” “一種預(yù)測ADH升級的機(jī)器學(xué)習(xí)方法可以幫助臨床醫(yī)生和患者確定主動監(jiān)測和激素治療相結(jié)合是否是手術(shù)切除的合理替代方案。”

Hassanpour及其同事尋求找到一種機(jī)器學(xué)習(xí)算法,以幫助醫(yī)生和患者確定主動監(jiān)視和激素療法是否可以替代手術(shù)。

研究人員在新罕布什爾州的一家學(xué)術(shù)護(hù)理中心評估了124名女性的128個病變,這些女性在2011年至2017年接受手術(shù)的活檢中表現(xiàn)出ADH。他們開發(fā)了六種不同的機(jī)器學(xué)習(xí)模型,以計算從核心針穿刺活檢(梯度增強(qiáng)樹)中ADH的提高,隨機(jī)森林,徑向支持向量機(jī)(SVM),加權(quán)K最近鄰(KNN),邏輯Logistic彈性網(wǎng)和邏輯回歸。

表現(xiàn)最佳的模型是精度為78%的梯度增強(qiáng)樹和精度為77%的隨機(jī)林。此外,決定ADH升級為癌癥的最重要的重要特征是:活檢年齡,病變大小,活檢次數(shù),針規(guī)和乳腺癌的個人/家族史。

根據(jù)研究人員的說法,隨機(jī)森林模型可以通過手術(shù)活檢診斷出98%的惡性腫瘤,如果使用的話,可以使16%的婦女免于不必要的良性病變手術(shù)。

Hassanpour在一份準(zhǔn)備好的聲明中說:“我們的模型可以潛在地幫助患者和臨床醫(yī)生在低風(fēng)險病例中選擇另一種治療方法。在個性化醫(yī)療時代,這樣的模型對于重視共同決策的患者可能是理想的這種方法具有在確定手術(shù)切除率和進(jìn)行監(jiān)測的手術(shù)切除率之間進(jìn)行選擇的能力,從而避免了將ADH升級為癌癥的低風(fēng)險女性的成本,壓力和潛在的副作用?!?/p>

該團(tuán)隊希望擴(kuò)大其機(jī)器學(xué)習(xí)模型的范圍,以包括其他高風(fēng)險的乳腺病變。此外,他們計劃使用州級和國家乳腺癌注冊機(jī)構(gòu)在外部數(shù)據(jù)集上進(jìn)一步驗證其模型。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
收藏 人收藏

    評論

    相關(guān)推薦

    【「具身智能機(jī)器人系統(tǒng)」閱讀體驗】2.具身智能機(jī)器人大模型

    的局限性以及衡量大模型的關(guān)鍵指標(biāo)。閱讀了該部分后,我感受到了一種前所未有的震撼,這種震撼不僅來源于技術(shù)本身的先進(jìn)性,更來源于它對傳統(tǒng)機(jī)器人控制方式的顛覆。 傳統(tǒng)機(jī)器人的局限性與大
    發(fā)表于 12-29 23:04

    NPU與機(jī)器學(xué)習(xí)算法的關(guān)系

    在人工智能領(lǐng)域,機(jī)器學(xué)習(xí)算法是實現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升,對計算資源的需求也在不斷增長。NPU作為一種專門深度學(xué)習(xí)
    的頭像 發(fā)表于 11-15 09:19 ?537次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對兩者關(guān)系的介紹: 、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :
    的頭像 發(fā)表于 10-23 15:25 ?1033次閱讀

    AI大模型與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別

    AI大模型與傳統(tǒng)機(jī)器學(xué)習(xí)在多個方面存在顯著的區(qū)別。以下是對這些區(qū)別的介紹: 、模型規(guī)模與復(fù)雜度 AI大
    的頭像 發(fā)表于 10-23 15:01 ?853次閱讀

    【「時間序列與機(jī)器學(xué)習(xí)」閱讀體驗】+ 簡單建議

    這本書以其系統(tǒng)性的框架和深入淺出的講解,讀者繪制了幅時間序列分析與機(jī)器學(xué)習(xí)融合應(yīng)用的宏偉藍(lán)圖。作者不僅扎實地構(gòu)建了時間序列分析的基礎(chǔ)知識,更巧妙地展示了
    發(fā)表于 08-12 11:21

    什么是大模型?快速了解大模型基本概念

    ?想象下,如果你的大腦能夠記住整個圖書館的所有書籍,并且能夠理解每本書的內(nèi)容,那么你就擁有了類似大模型的能力。大模型是人工智能領(lǐng)域的一種機(jī)器
    的頭像 發(fā)表于 08-07 08:28 ?1624次閱讀
    什么是大<b class='flag-5'>模型</b>?快速了解大<b class='flag-5'>模型</b>基本概念

    【《大語言模型應(yīng)用指南》閱讀體驗】+ 基礎(chǔ)知識學(xué)習(xí)

    語言的表達(dá)方式和生成能力。通過預(yù)測文本中缺失的部分或下個詞,模型逐漸掌握語言的規(guī)律和特征。 常用的模型結(jié)構(gòu) Transformer架構(gòu):大語言模型通?;赥ransformer架構(gòu)
    發(fā)表于 08-02 11:03

    【《大語言模型應(yīng)用指南》閱讀體驗】+ 基礎(chǔ)篇

    的內(nèi)容,閱讀雖慢,但在這學(xué)習(xí)過程中也掌握了許多新知識,后續(xù)章節(jié)的閱讀打下基礎(chǔ),這是個快樂的學(xué)習(xí)過程。 基礎(chǔ)篇從人工智能的起源講起,提出
    發(fā)表于 07-25 14:33

    【《大語言模型應(yīng)用指南》閱讀體驗】+ 俯瞰全書

    上周收到《大語言模型應(yīng)用指南》書,非常高興,但工作項目繁忙,今天才品鑒體驗,感謝作者編寫了部內(nèi)容豐富、理論應(yīng)用相結(jié)合、印刷精美的著作,也感謝電子發(fā)燒友論壇提供了
    發(fā)表于 07-21 13:35

    rup是一種什么模型

    RUP(Rational Unified Process,統(tǒng)建模語言)是一種軟件開發(fā)過程模型,它是一種迭代和增量的軟件開發(fā)方法。RUP是由Rational Software公司(現(xiàn)為
    的頭像 發(fā)表于 07-09 10:13 ?1350次閱讀

    Al大模型機(jī)器

    豐富的知識儲備。它們可以涵蓋各種領(lǐng)域的知識,并能夠回答相關(guān)問題。靈活性與通用性: AI大模型機(jī)器人具有很強(qiáng)的靈活性和通用性,能夠處理各種類型的任務(wù)和問題。持續(xù)學(xué)習(xí)和改進(jìn): 這些模型可以
    發(fā)表于 07-05 08:52

    深度學(xué)習(xí)典型模型和訓(xùn)練過程

    深度學(xué)習(xí)作為人工智能領(lǐng)域的個重要分支,近年來在圖像識別、語音識別、自然語言處理等多個領(lǐng)域取得了顯著進(jìn)展。其核心在于通過構(gòu)建復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型,從大規(guī)模數(shù)據(jù)中自動學(xué)習(xí)并提取特征,進(jìn)而實
    的頭像 發(fā)表于 07-03 16:06 ?1603次閱讀

    機(jī)器學(xué)習(xí)在數(shù)據(jù)分析中的應(yīng)用

    隨著大數(shù)據(jù)時代的到來,數(shù)據(jù)量的爆炸性增長對數(shù)據(jù)分析提出了更高的要求。機(jī)器學(xué)習(xí)作為一種強(qiáng)大的工具,通過訓(xùn)練模型從數(shù)據(jù)中學(xué)習(xí)規(guī)律,
    的頭像 發(fā)表于 07-02 11:22 ?706次閱讀

    大語言模型:原理與工程實踐+初識2

    前言 深度學(xué)習(xí)機(jī)器學(xué)習(xí)的分支,而大語言模型是深度學(xué)習(xí)的分支。機(jī)器
    發(fā)表于 05-13 00:09

    一種利用光電容積描記(PPG)信號和深度學(xué)習(xí)模型對高血壓分類的新方法

    [22]。就像平均池化樣,最大池化是另一種用于減小特征圖大小的常用方法。它通過僅取每個區(qū)域的最大值來獲得最重要的特征。在機(jī)器學(xué)習(xí)中,池化方法的選擇可以顯著影響
    發(fā)表于 05-11 20:01