Model Pembelajaran Mesin Dapat Memprediksi Risiko Karsinoma Hepatoseluler

Ikuti Drugslib di

Oleh Elana Gotkine HealthDay Reporter

Amazon Big Spring Sale - Up to 40% off

Ditinjau secara medis oleh Carmen Pope, BPharm. Terakhir diperbarui pada 2 April 2026.

melalui HealthDay

KAMIS, 2 April 2026 -- Model pembelajaran mesin dapat memprediksi risiko karsinoma hepatoseluler (HCC) menggunakan data yang tersedia secara rutin, menurut penelitian yang dipublikasikan secara online pada tanggal 30 Maret di Cancer Discovery.

Jan Clusmann, M.D., dari University Hospital RWTH Aachen di Jerman, dan rekannya menggunakan data multimodal yang dikumpulkan secara prospektif dari lebih dari 90.000 orang dengan 983 kasus HCC di seluruh dunia Studi Biobank Inggris (kelompok pengembangan) dan Program Penelitian Kita Semua (kelompok pengujian eksternal) untuk mengembangkan kerangka pembelajaran mesin yang dapat ditafsirkan untuk stratifikasi risiko HCC. Kontribusi modalitas data individu dan kumulatif, termasuk demografi, gaya hidup, catatan kesehatan, darah, genomik, dan metabolomik, dinilai.

Para peneliti menemukan bahwa pada rangkaian pengujian internal dan eksternal, model final berbasis hutan acak secara signifikan mengungguli semua skor risiko yang tersedia untuk umum. Ketangguhannya ditunjukkan di seluruh subkelompok etnis, sehingga memberikan interpretasi yang komprehensif.

"Studi kami menyoroti potensi model pembelajaran mesin yang sederhana dan mudah digunakan untuk meningkatkan stratifikasi risiko HCC hanya dengan menggunakan data klinis yang dikumpulkan secara rutin," kata rekan penulis senior Carolin V. Schneider, M.D., juga dari University Hospital RWTH Aachen, dalam sebuah pernyataan. "Jika divalidasi pada populasi tambahan, model kami akan memungkinkan dokter layanan primer mengidentifikasi pasien berisiko secara efisien dan merujuk mereka ke pemeriksaan kanker hati. Hal ini dapat memungkinkan deteksi dini dan hasil yang lebih baik bagi pasien dengan penyakit agresif ini."

Beberapa penulis mengungkapkan hubungannya dengan industri biofarmasi.

Abstrak/Teks Lengkap

Penafian: Data statistik dalam artikel medis memberikan tren umum dan tidak berkaitan dengan individu. Faktor individu bisa sangat bervariasi. Selalu mencari saran medis yang dipersonalisasi untuk keputusan perawatan kesehatan individu.

Sumber: HealthDay

Diposting : 2026-04-03 01:52

Baca selengkapnya

Penafian

Segala upaya telah dilakukan untuk memastikan bahwa informasi yang diberikan oleh Drugslib.com akurat, terkini -tanggal, dan lengkap, namun tidak ada jaminan mengenai hal tersebut. Informasi obat yang terkandung di sini mungkin sensitif terhadap waktu. Informasi Drugslib.com telah dikumpulkan untuk digunakan oleh praktisi kesehatan dan konsumen di Amerika Serikat dan oleh karena itu Drugslib.com tidak menjamin bahwa penggunaan di luar Amerika Serikat adalah tepat, kecuali dinyatakan sebaliknya. Informasi obat Drugslib.com tidak mendukung obat, mendiagnosis pasien, atau merekomendasikan terapi. Informasi obat Drugslib.com adalah sumber informasi yang dirancang untuk membantu praktisi layanan kesehatan berlisensi dalam merawat pasien mereka dan/atau untuk melayani konsumen yang memandang layanan ini sebagai pelengkap, dan bukan pengganti, keahlian, keterampilan, pengetahuan, dan penilaian layanan kesehatan. praktisi.

Tidak adanya peringatan untuk suatu obat atau kombinasi obat sama sekali tidak boleh ditafsirkan sebagai indikasi bahwa obat atau kombinasi obat tersebut aman, efektif, atau sesuai untuk pasien tertentu. Drugslib.com tidak bertanggung jawab atas segala aspek layanan kesehatan yang diberikan dengan bantuan informasi yang disediakan Drugslib.com. Informasi yang terkandung di sini tidak dimaksudkan untuk mencakup semua kemungkinan penggunaan, petunjuk, tindakan pencegahan, peringatan, interaksi obat, reaksi alergi, atau efek samping. Jika Anda memiliki pertanyaan tentang obat yang Anda konsumsi, tanyakan kepada dokter, perawat, atau apoteker Anda.

Kata kunci populer