AACR: Modellen met premaced machine learning helpen bij het diagnosticeren van niet -melanoomhuidkanker

Volg Drugslib op

medisch beoordeeld door Carmen Pope, bpharm. Laatst bijgewerkt op 29 april 2025.

door Elana Gotkine HealthDay Reporter

Dinsdag 29 april 2025 - Levering hele dia -inbedding van pretrained foundation -modellen (FMS) verbetert niet -melanoom huidkanker (NMSC) diagnose, volgens een studie gepresenteerd tijdens de jaarlijkse bijeenkomst van de American Association for Cancer Research, gehouden van 25 tot 30 april in Chicago. NMSC, met name in omgevingen met resource-beperkte. Drie pathologie FM's (Uni, Prism en Prov-Gigapath) werden geëvalueerd, evenals een ResNet18-baseline-model. Gegevens werden opgenomen voor 2.130 afbeeldingen van hele glide-afbeeldingen van 553 vermoedelijke NMSC-biopsiemonsters van 455 deelnemers: 706 normaal weefsel; 638 Bowen -ziekte; 575 basaalcelcarcinoom; en 211 invasief plaveiselcelcarcinoom.

De onderzoekers ontdekten dat alle drie de FM's aanzienlijk beter presteerden dan ResNet18 (gemiddelde gebied onder de bedieningskarakteristiekcurve [Auroc], 0,805). Het algehele beste model gebruikte de prism -tegelverbanden geaggregeerd met behulp van het intrinsieke perceiver -netwerk van Prism, dat een meerlagige perceptron (MLP) -model trainde om het subtype van NMSC (Auroc, 0,925) te voorspellen. Het gebruik van aandacht gebaseerd op multi-instantie leren om tegelinbedding te verzamelen om een ​​MLP-model te trainen was optimaal voor de UNI- en Prov-Gigapath-modellen (gemiddelde Aurocs, respectievelijk 0,913 en 0,908). De eenvoudigste methode met logistieke regressie van wereldwijde gemiddelde pooling geaggregeerde insluitingen zou redelijke resultaten kunnen behalen voor PRISM, UNI en PROV-GIGAPATH (gemiddelde Aurocs, 0,882, 0,865 en 0,855, respectievelijk). Co -auteur Steven Song, van de Pritzker School of Medicine aan de Universiteit van Chicago, zei in een verklaring.

Meer informatie

Disclaimer: Statistische gegevens in medische artikelen bieden algemene trends en hebben geen betrekking op individuen. Individuele factoren kunnen sterk variëren. Zoek altijd gepersonaliseerd medisch advies voor individuele beslissingen in de gezondheidszorg.

Bron: HealthDay

Geplaatst : 2025-04-30 06:00

Lees verder

Disclaimer

Er is alles aan gedaan om ervoor te zorgen dat de informatie die wordt verstrekt door Drugslib.com accuraat en up-to-date is -datum en volledig, maar daarvoor wordt geen garantie gegeven. De hierin opgenomen geneesmiddelinformatie kan tijdgevoelig zijn. De informatie van Drugslib.com is samengesteld voor gebruik door zorgverleners en consumenten in de Verenigde Staten en daarom garandeert Drugslib.com niet dat gebruik buiten de Verenigde Staten gepast is, tenzij specifiek anders aangegeven. De geneesmiddeleninformatie van Drugslib.com onderschrijft geen geneesmiddelen, diagnosticeert geen patiënten of beveelt geen therapie aan. De geneesmiddeleninformatie van Drugslib.com is een informatiebron die is ontworpen om gelicentieerde zorgverleners te helpen bij de zorg voor hun patiënten en/of om consumenten te dienen die deze service zien als een aanvulling op en niet als vervanging voor de expertise, vaardigheden, kennis en beoordelingsvermogen van de gezondheidszorg. beoefenaars.

Het ontbreken van een waarschuwing voor een bepaald medicijn of een bepaalde medicijncombinatie mag op geen enkele manier worden geïnterpreteerd als een indicatie dat het medicijn of de medicijncombinatie veilig, effectief of geschikt is voor een bepaalde patiënt. Drugslib.com aanvaardt geen enkele verantwoordelijkheid voor enig aspect van de gezondheidszorg die wordt toegediend met behulp van de informatie die Drugslib.com verstrekt. De informatie in dit document is niet bedoeld om alle mogelijke toepassingen, aanwijzingen, voorzorgsmaatregelen, waarschuwingen, geneesmiddelinteracties, allergische reacties of bijwerkingen te dekken. Als u vragen heeft over de medicijnen die u gebruikt, neem dan contact op met uw arts, verpleegkundige of apotheker.

Populaire zoekwoorden