Учёные из университета штата Пенсильвания разработали модель глубокого обучения для прогнозирования выживаемости пациентов с раком лёгких. 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. Материалы исследования опубликованы в журнале International Journal of Medical Informatics.
Модель анализирует большие объёмы данных о пациентах и характере заболевания и создаёт выводы, как сочетание факторов влияет на продолжительность жизни при раке лёгких. Параметры анализа включают тип онкологического заболевания, размер опухоли, скорость роста и демографические данные.
Учёные 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 лёгких», – прокомментировали разработчики.
В планах создателей решения – улучшить модель и проверить её способность анализировать другие виды рака и заболевания.