Ученые из университета штата Пенсильвания разработали модель глубокого обучения для прогнозирования выживаемости пациентов с раком легких. Точность прогнозирования составила 71%, тогда как традиционные модели машинного обучения показывают точность до 61%. Эта информация может помочь врачам и лицам, осуществляющим уход, принимать более корректные решения об использовании лекарств, распределении времени персонала и определении интенсивности ухода за пациентами.
Модель анализирует большие объемы данных о пациентах и характере заболевания и создает выводы, как сочетание факторов влияет на продолжительность жизни при раке легких. Параметры анализа включают тип онкологического заболевания, размер опухоли, скорость роста и демографические данные.
Ученые протестировали модель на основе данных программы наблюдения, эпидемиологии и конечных результатов (Surveillance, Epidemiology, and End Results Program, SEER) Национального института Рака, одной из крупнейших и наиболее полных баз данных по ранней диагностике онкологических больных в США. Реестры программы охватывают почти 35% больных онкологией в стране.
«Это высокопроизводительная система. Она отличается высокой точностью. При этом инструмент не заменит специалиста при принятии решения о лечении рака легких», – прокомментировали разработчики.
В планах создателей решения – улучшить модель и проверить ее способность анализировать другие виды рака и заболевания.
Материалы исследования опубликованы в журнале International Journal of Medical Informatics.