التطبيقات التي يمكن تفسيرها للتعلم الآلي من خلال الذكاء الاصطناعي في تنبؤ البقاء الشخصي لسرطان البرو

أدت دراسة طبية دولية إلى اكتشافات جديدة أن النتائج ذات الصلة لها قيمة مرجعية مهمة لـ كوب مكافحة الأمراض. التوقعات المعقدة لمشاركة الغدد الليمبوية الإقليمية ولكن دون انتقال بعيد (N1M0). n = 9165).

تم مقارنة مخاطر كوكس النسبية مع أربعة نماذج التعلم الآلي باستخدام مؤشر (C) ، وقت - تعتمد على AUC، ومعدل Brier Score المتكامل. الغابات العشوائية للبقاء على قيد الحياة ((Random Survival Forest,RSF) حصلت على مؤشر C- أعلى في جميع النماذج (0. 697 داخلية؛ 0.

740 تأكيد زمني). أظهرت SHAP ((Survival Heterogeneity Analysis) أن عملية إزالة البروستاتة العميقة 1 هي العامل الأكثر قوة في الحماية، وتتبعها مستويات أقل من خلايا T و PSA. يقدم نموذج RSF معلومات سابقة دقيقة ومتينة يمكن تفسيرها، وهي ذات معنى إرشادي مهم لمرضى N1M0 غير النمطية الذين يعانون من الإصابة بأوباما.

كمحاسب على شبكة الإنترنت ، فإنه يحقق تقسيمًا دقيقًا للمخاطر وتخطيطًا شخصيًا لأوباما 2.