机器学习可识别乳腺癌幸存者中的淋巴水肿 准确率达94%


纽约大学罗里·迈耶斯护理学院的研究人员发现 , 使用实时症状报告进行的机器学习可以准确地识别乳腺癌患者的早期淋巴水肿 。研究结果发表在2018年5月的mHealth中 。
【机器学习可识别乳腺癌幸存者中的淋巴水肿 准确率达94%】淋巴水肿是手臂或腿中淋巴液的集合 , 是癌症治疗后去除淋巴结后的常见症状 。虽然无法治愈 , 但尽早发现和治疗淋巴水肿可以减少并发症 。但是 , 由于要根据医师对肿胀的观察来进行识别 , 因此很难进行早期检测 。在这项研究中 , 研究人员检查了使用机器学习识别患者淋巴水肿的可行性和准确性 。
“临床医生通常根据对肿胀的观察来检测或诊断淋巴水肿 。但是 , 在可以观察到或测量到肿胀的时间 , 淋巴水肿通常已经发生了一段时间 , 这可能导致不良的临床结果 , ”RN的Mei Fu博士说 。该研究的主要作者 , 纽约大学梅耶斯大学护理学副教授 , “使用基于实时症状报告的训练有素的分类算法检测淋巴水肿是一种很有希望的工具 , 可以改善淋巴水肿的预后 。”
研究人员使用一种在线工具从355名接受过乳腺癌治疗的妇女中收集了数据 。包括有关人口统计学 , 临床信息 , 是否已被诊断患有淋巴水肿以及是否正在经历26种淋巴水肿症状中的任何数据 。比较了五种不同的机器学习算法:C4.5的决策树 , C5.0的决策树 , 梯度提升模型 , 人工神经网络和支持向量机 。
结果表明 , 所有五种方法均优于常规统计方法 。人工神经网络在淋巴水肿的检测中最准确 , 在对真正淋巴水肿进行分类的同时对非淋巴水肿进行区分的准确率达到93.75% 。
傅说:“这种检测精度明显高于当前和常用的临床方法 。”“这有可能通过早期淋巴水肿的发现和干预来降低医疗费用并优化医疗资源的使用 , 这可以减少淋巴水肿发展到更严重阶段的风险 。”

    推荐阅读