Se puede explicar la aplicación del aprendizaje automático de inteligencia artificial en el pronósti
Un estudio internacional de medicina ha traído nuevos hallazgos de que los resultados correspondientes son de gran referencia para el COP de Prevención de Enfermedades. El estudio tiene como objetivo desarrollar y verificar modelos de aprendizaje automático explicables que predicen el tiempo de vida específico del cáncer-específico (CSS) 18. 287 pacientes de N1M0.
n = 9165);; Los riesgos proporcionales de Cox y los cuatro modelos de aprendizaje automático fueron comparados utilizando el índice C, el tiempo-dependiente de AUC, y el Integrated Brier Score;; SHAP fue utilizado para la interpretabilidad, y IPTW para el análisis de sensibilidad;; Random Survival Forest (RSF) obtiene un índice C más alto en todos los modelos: 0. 697 interna; 0. 740 temporal validation.
SHAP ((Survival Heterogeneity Analysis) revela que la extirpación de la próstata profunda 1 es el factor de protección más poderoso, seguido de niveles más bajos de células T y PSA. IPTW ((International Prostate Cancer Foundation) confirma el efecto positivo de la supervivencia en el control local. El modelo RSF proporciona información previa precisa, sólida y explicable, que es de gran importancia para los pacientes con anemia N1M0 no típica.
Como calculador basado en la Web, logra una clasificación de riesgos precisa y una planificación personalizada de anemia 2.
