Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Le système novateur vise à améliorer des prévisions des indicateurs de survie dans des patients de cancer du sein

L'amélioration des prévisions des indicateurs de survie dans des patients de cancer du sein par l'artificial intelligence et les outils de modélisation probabilistes est l'objectif de ModGraProDep, un système novateur présenté dans une étude publiée dans l'artificial intelligence de tourillon en médicament.

Été aboutis par le conférencier Ramon Clèries, à partir du theUniversity du service de Barcelone (UB) des sciences cliniques des sciences de faculté de médecine et de santé et le membre du plan directeur d'oncologie (ICO-IDIBELL), contribuant à cette étude ont le chercheur José Miguel Martínez Martínez, de theUniversity de l'organisme de recherche de santé publique d'Alicante (uA), ainsi qu'une grande équipe des experts en matière d'épidémiologie, oncologie et exploitation de données du Régime-IDIBELL de maître d'oncologie, l'UB, l'université polytechnique de la Catalogne, l'institut catalan de l'oncologie (ICO), l'institut de Gérone de la recherche biomédicale (IDIBGI), l'université de Gérone, le CIBER de l'épidémiologie et de la santé publique (CIBERESP, Carlos III Institut de santé), le centre hospitalier universitaire Sant Joan à Reus, le service d'oncologie médicale d'ICO à Gérone, les registres du cancer de Gérone et Tarragone, et MC mutuel.

Le chercheur d'uA, avec une équipe multidisciplinaire des experts en matière d'épidémiologie, oncologie, et statistiques, différentes des propositions méthodologiques a discuté, comparé, et validé d'améliorer les prévisions des indicateurs de survie dans des patients de cancer du sein.

Modélisation mathématique : frontières d'ew dans le combat contre le cancer

Une des applications de la modélisation numérique pour des indices cliniques en oncologie est le développement des modèles prévisionnels qui aident des oncologistes et des cliniciens à classifier et évaluer de futurs scénarios d'évolution pour des malades du cancer. Dans ce contexte, la prévision de la survie des malades - avec des variables spécifiques et des âges est décisive pour des demandes de règlement l'évaluation et des sous-groupes de recensement parmi des patients. Cependant, cette information doit souvent être estimée par des moyens de modélisation numériques, vu qu'il n'y a pas une taille de l'échantillon suffisante de la population pour prévoir ces indicateurs exactement.

L'application de la méthodologie neuve de ModGraProDep (modélisant des dépendances probabilistes graphiques) a introduit deux projets de recherche coordonnés par professeur Mireia Vilardell, du corps enseignant d'UB du Service de Biologie de la génétique, la microbiologie et les statistiques (partie de statistiques) et le chercheur Maria Buxó d'IDIBGI.

Dans le premier cas, ModGraProDep nous permet de recenser la structure d'une base de données et de produire d'une population simulée des patients présentant des caractéristiques démographiques de la cohorte originelle. Avec cette approche, des configurations patientes neuves possibles peuvent être recensées et des indicateurs être prévues (par exemple, la survie des malades en fonction des valeurs de leurs variables).

Dans la deuxième étude, ModGraProDep est indiqué comme technologie capable d'affecter des valeurs d'une voie probabiliste dans les variables desquelles la collecte des informations n'avait pas été possible.

L'équipe de recherche a également conçu une application Web d'intérêt clinique grand d'obtenir une prévision des indicateurs de survie et de risque de mortalité de cancer - et par d'autres causes de chaque patient jusqu'à une condition maximum de vingt ans.

Source:
Journal reference:

Vilardell, M., et al. (2020) Missing data imputation and synthetic data simulation through modeling graphical probabilistic dependencies between variables (ModGraProDep): An application to breast cancer survival. Artificial Intelligence in Medicine. doi.org/10.1016/j.artmed.2020.101875.