AACR: Modelos de aprendizado de máquina pré -criados ajudam a diagnosticar câncer de pele não -melanoma

Siga Drugslib em

revisado medicamente por Carmen Pope, Bpharm. Última atualização em 29 de abril de 2025.Terça -feira, 29 de abril de 2025 - A alavancagem de inteiros incorporação de modelos de fundação pré -criada (FMS) melhora o diagnóstico de câncer de pele não -melanoma (NMSC), de acordo com um estudo apresentado na reunião anual da Associação Americana de Pesquisa do Câncer, da Universidade de Chicago, e a Collection, da Chicago, da Chicago. NMSC, especificamente em ambientes com restrição de recursos. Foram avaliados três FMs de patologia (UNI, PRISM e GIGAPATH), assim como um modelo de linha de base Resnet18. Os dados foram incluídos para 2.130 imagens de slide integral de 553 suspeitas de amostras de biópsia NMSC de 455 participantes: 706 tecido normal; 638 Doença de Bowen; 575 carcinoma de células basais; e 211 carcinoma de células escamosas invasivas.

Os pesquisadores descobriram que todos os três FMs superaram significativamente o RESNET18 (área média sob a curva característica de operação do receptor [AUROC], 0,805). O melhor modelo geral usou as incorporações de azulejos do Prism agregadas usando a rede de observadores intrínsecos do Prism, que treinou um modelo de perceptron de multicamadas (MLP) para prever o subtipo de NMSC (AUROC, 0,925). O uso de aprendizado multi-instância baseado em atenção para agregar incorporações de ladrilhos para treinar um modelo de MLP foi ideal para os modelos UNI e Prov-Gigapath (Aurocs médios, 0,913 e 0,908, respectivamente). O método mais simples com regressão logística de incorporações agregadas médias globais de agregação pode obter resultados razoáveis ​​para prisma, uni e prov-gigapath (aurocs médios, 0,882, 0,865 e 0,855, respectivamente). Co -autor Steven Song, da Escola de Medicina Pritzker da Universidade de Chicago, disse em comunicado.

mais informações

Isenção de responsabilidade: dados estatísticos em artigos médicos fornecem tendências gerais e não se referem aos indivíduos. Fatores individuais podem variar muito. Sempre procure aconselhamento médico personalizado para decisões individuais de saúde.

Fonte: HealthDay

Postou : 2025-04-30 06:00

Consulte Mais informação

Isenção de responsabilidade

Todos os esforços foram feitos para garantir que as informações fornecidas por Drugslib.com sejam precisas, atualizadas -date e completo, mas nenhuma garantia é feita nesse sentido. As informações sobre medicamentos aqui contidas podem ser sensíveis ao tempo. As informações do Drugslib.com foram compiladas para uso por profissionais de saúde e consumidores nos Estados Unidos e, portanto, o Drugslib.com não garante que os usos fora dos Estados Unidos sejam apropriados, a menos que especificamente indicado de outra forma. As informações sobre medicamentos do Drugslib.com não endossam medicamentos, diagnosticam pacientes ou recomendam terapia. As informações sobre medicamentos do Drugslib.com são um recurso informativo projetado para ajudar os profissionais de saúde licenciados a cuidar de seus pacientes e/ou para atender os consumidores que veem este serviço como um complemento, e não um substituto, para a experiência, habilidade, conhecimento e julgamento dos cuidados de saúde. profissionais.

A ausência de uma advertência para um determinado medicamento ou combinação de medicamentos não deve de forma alguma ser interpretada como indicação de que o medicamento ou combinação de medicamentos é seguro, eficaz ou apropriado para qualquer paciente. Drugslib.com não assume qualquer responsabilidade por qualquer aspecto dos cuidados de saúde administrados com a ajuda das informações fornecidas por Drugslib.com. As informações aqui contidas não se destinam a cobrir todos os possíveis usos, instruções, precauções, advertências, interações medicamentosas, reações alérgicas ou efeitos adversos. Se você tiver dúvidas sobre os medicamentos que está tomando, consulte seu médico, enfermeiro ou farmacêutico.

Palavras -chave populares