新的机器学习技术在预测癌症治愈率方面提高了30%

随着过去几十年计算能力的快速发展，机器学习(ML)技术在医疗环境中变得流行，作为预测癌症、心脏病、中风等疾病患者的生存率和预期寿命的一种方法。

德克萨斯大学阿灵顿分校的一位教授和他的博士生发表了 一种预测癌症生存率的新模型 ，他们称该模型在预测谁将被治愈的疾病方面比以前的模型有效 30%。这种模型可以帮助患者避免不需要的治疗，同时允许治疗团队将重点放在需要额外干预的其他人身上。

“以前的研究对治愈概率(也称为治愈率)进行建模，使用了具有已知参数链接函数(例如逻辑链接函数)的广义线性模型。然而，此类研究并没有捕捉到治愈概率与重要协变量(例如患者年龄或骨髓捐赠者年龄)之间的非线性或复杂关系。”数学系统计。“我们的研究采用了之前测试的提升时间治愈模型 (PCM)，并将其与称为支持向量机 (SVM) 的监督式 ML 算法相结合，该算法用于捕获协变量和治愈概率之间的非线性关系。”

在国家普通医学科学研究所的资助下 ，新的 SVM 集成 PCM 模型 (PCM-SVM) 的开发方式基于对协变量的简单解释，以预测哪些患者在治疗结束时将无法治愈。初步治疗并需要额外的医疗干预。

为了测试这项技术，帕尔和他的学生 Wisdom Aselisewine 采集了白血病患者的真实生存数据，白血病是一种血癌，通常通过骨髓移植进行治疗。研究人员选择白血病是因为它是由异常癌性白细胞快速产生引起的。由于这种情况不会发生在健康人身上，因此他们能够清楚地看到历史数据集中哪些患者通过治疗治愈了，哪些没有治愈。

两种统计模型均经过测试，结果发现，与之前的技术相比，新的 PCM-SVM 技术在预测治疗治愈人数方面的效果提高了 30%。

“这些发现清楚地证明了所提出模型的优越性，”帕尔说。“随着我们提高治愈预测准确性，可以保护治愈率极高的患者免受高强度治疗的额外风险。同样，治愈率低的患者可以建议及时治疗，以免疾病进展到治疗选择有限的晚期。所提出的模型将在确定最佳治疗策略方面发挥重要作用。”