Técnica de Machine Learning Mejor para Predecir Tasas de Cura del Cáncer

Técnica de Machine Learning mejorada para predecir tasas de curación del cáncer

Un modelo de aprendizaje automático desarrollado por investigadores de la Universidad de Texas en Arlington (UTA) puede predecir mejor las tasas de curación del cáncer.

El nuevo modelo combina el modelo de cura por tiempo de promoción existente (PCM) con un algoritmo de máquina de soporte vectorial (SVM) para tener en cuenta las relaciones no lineales o complejas entre la probabilidad de cura y las covariables.

Se encontró que el modelo PCM-SVM es 30% más efectivo que el modelo PCM en pruebas que involucran datos reales de supervivencia de pacientes con leucemia.

Según Suvra Pal de UTA, “Con nuestra mayor precisión predictiva de la cura, los pacientes con tasas de curación significativamente altas pueden protegerse de los riesgos adicionales de los tratamientos de alta intensidad. Del mismo modo, se puede recomendar un tratamiento oportuno a los pacientes con bajas tasas de curación para que la enfermedad no progrese a una etapa avanzada para la cual las opciones terapéuticas son limitadas. El modelo propuesto jugará un papel importante en definir la estrategia de tratamiento óptima”. De la Universidad de Texas en Arlington Ver artículo completo

• Demanda afirma que Meta diseñó Instagram y Facebook para enganchar a los niños
• Predicción Conformal para la Clasificación de Aprendizaje Automático Desde Cero
• Guías de trucos de diseño del sistema ElasticSearch

Resúmenes Copyright © 2023 SmithBucklin, Washington, D.C., EE. UU.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!