Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il sistema innovatore mira a migliorare le previsioni degli indicatori di sopravvivenza nei pazienti di cancro al seno

Il miglioramento delle previsioni degli indicatori di sopravvivenza nei pazienti di cancro al seno tramite intelligenza artificiale e le tecniche di modellizzazione probabilistiche è lo scopo di ModGraProDep, un sistema innovatore presentato in uno studio pubblicato in intelligenza artificiale del giornale nella medicina.

Piombo dal conferenziere Ramon Clèries, dal theUniversity del dipartimento di Barcellona (UB) delle scienze cliniche della facoltà delle scienze di salubrità e della medicina e membro del progetto pilota dell'oncologia (ICO-IDIBELL), contribuente a questo studio il ricercatore José Miguel Martínez Martínez, dal theUniversity del gruppo di ricerca di salute pubblica di Alicante (uA) come pure un grande gruppo degli esperti in epidemiologia, l'oncologia e data mining dalla Pianificazione-IDIBELL della lastra dell'oncologia, il UB, l'università politecnica di Catalogna, l'istituto catalano dell'oncologia (ICO), l'istituto di Girona della ricerca biomedica (IDIBGI), l'università di Girona, il CIBER dell'epidemiologia e della salute pubblica (CIBERESP, Carlos III Istituto di salubrità), l'ospedale universitario Sant Joan a Reus, il servizio medico di oncologia di ICO a Girona, le registrazioni del Cancro di Girona e Tarragona e MC reciproco.

Il ricercatore di uA, insieme ad un gruppo pluridisciplinare degli esperti in epidemiologia, l'oncologia e statistiche, ha discusso, proposte metodologiche differenti confrontate e e convalidate per migliorare le previsioni degli indicatori di sopravvivenza nei pazienti di cancro al seno.

Modellistica matematica: frontiere di ew nella lotta contro cancro

Una delle applicazioni di modellistica numerica per gli indicatori clinici in oncologia è lo sviluppo dei modelli premonitori che aiutano gli oncologi ed i clinici a classificare e valutare gli scenari futuri di evoluzione per i malati di cancro. In questo contesto, la previsione della sopravvivenza paziente - con le variabili specifiche e le età è decisiva per i trattamenti valutare e sottogruppi dell'identificazione fra i pazienti. Tuttavia, questi informazioni devono essere stimate spesso attraverso i mezzi modellanti numerici, dato che non c' sia una dimensione del campione sufficiente di popolazione per calcolare esattamente questi indicatori.

L'applicazione di nuova metodologia di ModGraProDep (che modella le dipendenze probabilistiche grafiche) ha promosso due progetti di ricerca coordinati dal professor Mireia Vilardell, dalla facoltà di UB del dipartimento di biologia della genetica, microbiologia e statistiche (sezione di statistiche) e ricercatore Maria Buxó da IDIBGI.

Nel primo caso, ModGraProDep permette che noi identifichiamo la struttura di un database e generiamo una popolazione simulata dei pazienti con le caratteristiche demografiche del gruppo originale. Con questo approccio, i nuovi reticoli pazienti possibili possono essere identificati ed indicatori essere calcolati (per esempio, la sopravvivenza dei pazienti in funzione dei valori delle loro variabili).

Nel secondo studio, ModGraProDep è rivelato come tecnologia capace di definire i valori in un modo probabilistico nelle variabili da cui la raccolta di dati non era stata possibile.

Il gruppo di ricerca egualmente ha progettato un'applicazione web di grande interesse clinico ottenere una previsione degli indicatori di sopravvivenza e del rischio della mortalità da cancro - e da altre cause di ogni paziente fino ad un termine massimo di venti anni.

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.