L'application de l'intelligence artificielle à l'apprentissage automatique dans les prévisions indiv
Une étude médicale internationale a révélé de nouvelles découvertes et des résultats pertinents ont une valeur de référence importante pour la prise en charge des maladies du COP. Cette étude vise à développer et à vérifier des modèles d'apprentissage automatique explicatifs qui prédisent la durée de survie spécifique du cancer (CSS) 18. 287 patients de la N1M0.
n = 9165);; Les risques proportionnels de Cox et les quatre modèles d'apprentissage automatique ont été comparés à l'aide de l'indice C, du temps-dépendant AUC et de l'Integrated Brier Score;; SHAP a été utilisé pour l'interprétation et IPTW pour l'analyse de sensibilité;; Les forêts de survie aléatoire (RSF) ont obtenu un C-index plus élevé dans tous les modèles (0,697 interne; 0,740 validation temporelle). SHAP (Survival Heterogeneity Analysis) révèle que l'élimination de la prostate en profondeur est le facteur de protection le plus puissant, suivie par des niveaux plus bas de cellules T et de PSA. IPTW (International Prostate Cancer Foundation) confirme les avantages positifs de la survie locale.
Le modèle RSF fournit des informations préliminaires précises, solides et explicatives, qui sont d'important importance pour les patients atteints de nicotine N1M0 non typique. En tant que calculateur basé sur le Web, il permet une classification précise des risques et une planification personnalisée de la nicotine2.
