論文の概要: Coalitions of AI-based Methods Predict 15-Year Risks of Breast Cancer Metastasis Using Real-World Clinical Data with AUC up to 0.9

• arxiv url: http://arxiv.org/abs/2408.16256v1
• Date: Thu, 29 Aug 2024 04:35:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-30 15:05:40.492910
• Title: Coalitions of AI-based Methods Predict 15-Year Risks of Breast Cancer Metastasis Using Real-World Clinical Data with AUC up to 0.9
• Title（参考訳）: AUC 0.9 以上の実世界臨床データを用いた乳癌転移の15年リスク予測のためのAI ベース手法の連携
• Authors: Xia Jiang, Yijun Zhou, Alan Wells, Adam Brufsky,
• Abstract要約: 乳がんは女性の死亡率が最も高い2つのがんのうちの1つで、米国では毎年約4万2000人が死亡している。 現在の予後指標は、局所治療後に治癒したと思われる5人の女性のうち4人にはほとんど効果がない。 我々は、既存のデータのみを用いて、ROC分析において最大0.9のAUCを示すアルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 6.712251433139411
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Breast cancer is one of the two cancers responsible for the most deaths in women, with about 42,000 deaths each year in the US. That there are over 300,000 breast cancers newly diagnosed each year suggests that only a fraction of the cancers result in mortality. Thus, most of the women undergo seemingly curative treatment for localized cancers, but a significant later succumb to metastatic disease for which current treatments are only temporizing for the vast majority. The current prognostic metrics are of little actionable value for 4 of the 5 women seemingly cured after local treatment, and many women are exposed to morbid and even mortal adjuvant therapies unnecessarily, with these adjuvant therapies reducing metastatic recurrence by only a third. Thus, there is a need for better prognostics to target aggressive treatment at those who are likely to relapse and spare those who were actually cured. While there is a plethora of molecular and tumor-marker assays in use and under-development to detect recurrence early, these are time consuming, expensive and still often un-validated as to actionable prognostic utility. A different approach would use large data techniques to determine clinical and histopathological parameters that would provide accurate prognostics using existing data. Herein, we report on machine learning, together with grid search and Bayesian Networks to develop algorithms that present a AUC of up to 0.9 in ROC analyses, using only extant data. Such algorithms could be rapidly translated to clinical management as they do not require testing beyond routine tumor evaluations.
• Abstract（参考訳）: 乳がんは女性の死亡率が最も高い2つのがんのうちの1つで、米国では毎年約4万2000人が死亡している。 毎年新たに診断された乳がんは30万以上あり、がんのごく一部だけが死亡することを示している。 したがって、ほとんどの女性は局所がんの治癒治療を受けているように思われるが、後に転移性疾患に陥り、現在の治療は大多数で温存されているのみである。 現在の予後指標は局所治療後に治癒したと思われる5人の女性のうち4人の女性にはほとんど効果がなく、多くの女性は不必要に致死性および致死性アジュバント療法に曝され、これらのアジュバント療法は転移再発を3分の1しか減少させる。 したがって、再発し、実際に治療を受けた患者を免れる可能性の高い患者に対して、攻撃的な治療を標的にするためのより良い予後が必要である。 早期に再発を検出するために、分子マーカーや腫瘍マーカーアッセイが多用されているが、これらは時間がかかり、高価であり、実用性に敏感である。 別のアプローチでは、既存のデータを使用して正確な予後を提供する臨床および病理パラメータを決定するために、大規模なデータ技術を使用する。 本稿では、グリッド探索とベイジアンネットワークとともに機械学習について報告し、既存のデータのみを用いて、ROC分析において最大0.9のAUCを示すアルゴリズムを開発する。 このようなアルゴリズムは、定期的な腫瘍評価以上の検査を必要としないため、急速に臨床管理に変換される可能性がある。

関連論文リスト

• Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities [61.36288157482697]
  米国では、前立腺がんが男性の死因としては2番目に多く、2024年には35,250人が死亡している。 本稿では,複数のMRIモダリティを組み合わせて深層学習モデルを訓練し,臨床的に有意な前立腺癌予測のためのモデルの信頼性を高めることを検討する。
  論文  参考訳（メタデータ） (2024-11-07T12:48:27Z)
• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Application analysis of ai technology combined with spiral CT scanning in early lung cancer screening [15.6839495538166]
  肺癌患者の5年間の生存率は、まだ20%以下であり、進行している。 近年、人工知能技術が腫瘍学に徐々に応用され始めている。 本研究は, 早期肺癌検診において, 安全かつ効率的な検診方法を見いだす目的で, 組み合わせた方法を適用した。
  論文  参考訳（メタデータ） (2024-01-26T07:58:09Z)
• Can-SAVE: Mass Cancer Risk Prediction via Survival Analysis Variables and EHR [1.29410702835589]
  特定のがんスクリーニング法は、しばしば費用がかかり、時間がかかり、大規模に適用できる。 本稿では,Can-SAVE癌リスク評価手法を提案する。 アクセス性が高く、資源効率が良く、一連の高レベルの医療イベントのみを利用する。
  論文  参考訳（メタデータ） (2023-09-26T16:15:54Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• An Artificial Intelligence Outlook for Colorectal Cancer Screening [1.417373050337415]
  大腸癌は男性で3番目に多い腫瘍であり、女性では2番目に多く、世界の全腫瘍の10%を占めている。 がん関連死亡率は9.4%で、肺がんに次いで第2位である。
  論文  参考訳（メタデータ） (2022-09-05T07:27:50Z)
• A Combined PCA-MLP Network for Early Breast Cancer Detection [0.0]
  我々は、患者が乳がんに直面するかどうかを検出するために、異なる機械学習アルゴリズムを研究した。 われわれの4層PCAネットワークは、BCCDデータセットの平均90.48%で100%の精度を得た。
  論文  参考訳（メタデータ） (2022-06-18T06:17:40Z)
• Breast cancer detection using artificial intelligence techniques: A systematic literature review [3.6608644315416585]
  2020年だけで、米国内で27万6000人以上の浸潤性乳癌と4万8000人以上の非浸潤性症例が診断された。 これらの数字をみると、これらの症例の64%は、疾患のサイクルの早い段階で診断され、99%の生存確率が与えられる。 ディープラーニングは、重篤な疾患の検出と治療に影響を与える最も重要な特徴を分析するように設計されている。
  論文  参考訳（メタデータ） (2022-03-08T13:51:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。