Maschinelles Lernen zur Prognose des Überlebens von Patienten mit Nasopharynxkarzinom

Nasopharynxkarzinom (NPC) ist ein seltener Krebs, der sich von anderen Kopf- und Halskrebsen unterscheidet. Es ist endemisch in geografischen Regionen wie Südchina und Südostasien, aber in nicht-endemischen Regionen kann es sich entweder keratinisieren oder nichtkeratinisieren. Eine genaue Schätzung der Prognose von NPC-Patienten ist wichtig für die effektive Verwaltung der Krankheit. Eine potenzielle Lösung besteht in der Verwendung von maschinellem Lernen (ML), einem Teilgebiet der künstlichen Intelligenz. In dieser Studie haben Forscher fünf verschiedene Algorithmen des maschinellen Lernens - logistische Regression, naive Bayes, k-Nächste-Nachbarn, Support Vector Machine und Entscheidungsbaumalgorithmen - verwendet, um ein einzigartiges Algorithmus zu produzieren, welches zur Prognostizierung der Überlebensraten von NPC-Krebspatienten genutzt werden kann. Ein Vergleich der Leistung des Algorithmus mit einem anderen Algorithmus namens Extreme Gradient Boosting (XGBoost) wurde ebenfalls durchgeführt. Das Ergebnis der Studie ist ein erklärbare und interpretierbare Modell, das bei der Prognose helfen kann. Personalisierte Überlebensraten-Stratifizierungen können für die Patienten erstellt werden, um eine angemessene Behandlungsintensität zu planen. Dies kann dazu beitragen, die Mortalitätsrate von NPC zu senken.