Model Pembelajaran Mesin Boleh Meramalkan Risiko Karsinoma Hepatoselular

Ikuti Drugslib di

Oleh Elana Gotkine HealthDay Reporter

Amazon Big Spring Sale - Up to 40% off

Carmenedically. Kemas kini terakhir pada 2 April 2026.

melalui HealthDay

KHAMIS, 2 April 2026 -- Model pembelajaran mesin boleh meramalkan risiko karsinoma hepatoselular (HCC) menggunakan data yang tersedia secara rutin, menurut kajian yang diterbitkan dalam talian pada 30 Mac dalam Penemuan Kanser.

Jan Clusmann, M.D., dari Hospital Universiti RWTH Aachen di Jerman dan rakan sekerja mengumpul lebih banyak data daripada individu yang menggunakan prospektif 9000 daripada individu yang berbilang000 daripada individu yang menggunakan prospektif. 983 kes HCC merentas kajian Biobank U.K. (kohort pembangunan) dan Program Penyelidikan All of Us (kohort ujian luaran) untuk membangunkan rangka kerja pembelajaran mesin yang boleh ditafsir untuk stratifikasi risiko HCC. Sumbangan individu dan kumulatif modaliti data, termasuk demografi, gaya hidup, rekod kesihatan, darah, genomik dan metabolomik, telah dinilai.

Para penyelidik mendapati bahawa pada set ujian dalaman dan luaran, model akhir berasaskan hutan rawak dengan ketara mengatasi semua skor risiko yang tersedia secara terbuka. Kekukuhan ditunjukkan merentas subkumpulan etnik, memberikan kebolehtafsiran yang komprehensif.

"Kajian kami menyerlahkan potensi model pembelajaran mesin yang ringkas dan mudah digunakan untuk meningkatkan stratifikasi risiko untuk HCC hanya menggunakan data klinikal yang dikumpul secara rutin," pengarang bersama kanan Carolin V. Schneider, M.D., juga dari Hospital Universiti RWTH Aachen berkata dalam satu kenyataan. "Jika disahkan dalam populasi tambahan, model kami akan membolehkan doktor penjagaan primer mengenal pasti pesakit berisiko dengan cekap dan merujuk mereka kepada pemeriksaan kanser hati. Ini boleh membolehkan pengesanan lebih awal dan hasil yang lebih baik untuk pesakit yang menghidap penyakit agresif ini."

Beberapa pengarang mendedahkan kaitan dengan industri biofarmaseutikal.

Abstrak/Teks Penuh

Penafian: Data statistik dalam artikel perubatan memberikan trend umum dan tidak berkaitan dengan individu. Faktor individu boleh sangat berbeza. Sentiasa dapatkan nasihat perubatan yang diperibadikan untuk keputusan penjagaan kesihatan individu.

Sumber: HealthDay

Disiarkan : 2026-04-03 01:52

Baca lagi

Penafian

Segala usaha telah dilakukan untuk memastikan bahawa maklumat yang diberikan oleh Drugslib.com adalah tepat, terkini -tarikh, dan lengkap, tetapi tiada jaminan dibuat untuk kesan itu. Maklumat ubat yang terkandung di sini mungkin sensitif masa. Maklumat Drugslib.com telah disusun untuk digunakan oleh pengamal penjagaan kesihatan dan pengguna di Amerika Syarikat dan oleh itu Drugslib.com tidak menjamin bahawa penggunaan di luar Amerika Syarikat adalah sesuai, melainkan dinyatakan sebaliknya secara khusus. Maklumat ubat Drugslib.com tidak menyokong ubat, mendiagnosis pesakit atau mengesyorkan terapi. Maklumat ubat Drugslib.com ialah sumber maklumat yang direka bentuk untuk membantu pengamal penjagaan kesihatan berlesen dalam menjaga pesakit mereka dan/atau memberi perkhidmatan kepada pengguna yang melihat perkhidmatan ini sebagai tambahan kepada, dan bukan pengganti, kepakaran, kemahiran, pengetahuan dan pertimbangan penjagaan kesihatan pengamal.

Ketiadaan amaran untuk gabungan ubat atau ubat yang diberikan sama sekali tidak boleh ditafsirkan untuk menunjukkan bahawa gabungan ubat atau ubat itu selamat, berkesan atau sesuai untuk mana-mana pesakit tertentu. Drugslib.com tidak memikul sebarang tanggungjawab untuk sebarang aspek penjagaan kesihatan yang ditadbir dengan bantuan maklumat yang disediakan oleh Drugslib.com. Maklumat yang terkandung di sini tidak bertujuan untuk merangkumi semua kemungkinan penggunaan, arahan, langkah berjaga-jaga, amaran, interaksi ubat, tindak balas alahan atau kesan buruk. Jika anda mempunyai soalan tentang ubat yang anda ambil, semak dengan doktor, jururawat atau ahli farmasi anda.

Kata kunci yang popular