Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O sistema inovativo aponta melhorar previsões de indicadores da sobrevivência em pacientes de cancro da mama

Melhorar as previsões de indicadores da sobrevivência em pacientes de cancro da mama através da inteligência artificial e das ferramentas de modelagem probabilísticas é o objetivo de ModGraProDep, um sistema inovativo apresentado em um estudo publicado na inteligência artificial do jornal na medicina.

Foram conduzidos pelo conferente Ramon Clèries, do theUniversity do departamento de Barcelona (UB) de ciências clínicas da faculdade de ciências da medicina e da saúde e membro do plano director da oncologia (ICO-IDIBELL), contribuindo a este estudo o pesquisador José Miguel Martínez Martínez, do theUniversity do grupo de investigação da saúde pública de Alicante (A), assim como uma grande equipe dos peritos na mineração da epidemiologia, da oncologia e de dados do Plano-IDIBELL do mestre da oncologia, no UB, na universidade politécnica de Catalonia, no instituto Catalan da oncologia (ICO), no instituto de Girona da pesquisa biomedicável (IDIBGI), na universidade de Girona, o CIBER da epidemiologia e da saúde pública (CIBERESP, Carlos III Instituto da saúde), o hospital Sant Joana da universidade em Reus, o serviço médico da oncologia de ICO em Girona, os registros do cancro de Girona e Tarragona, e MC mútuo.

O pesquisador do A, junto com uma equipe multidisciplinar dos peritos na epidemiologia, oncologia, e estatísticas, discutiu, propostas metodológicas diferentes compara, e validado para melhorar as previsões de indicadores da sobrevivência em pacientes de cancro da mama.

Modelagem matemática: fronteiras do ew na luta contra o cancro

Uma das aplicações da modelagem numérica para indicadores clínicos na oncologia é a revelação dos modelos com carácter de previsão que ajudam oncologistas e clínicos a classificar e avaliar as encenações futuras da evolução para pacientes que sofre de cancro. Neste contexto, a previsão da sobrevivência paciente - com variáveis e idades específicas é decisiva para tratamentos avaliar e subgrupos da identificação entre pacientes. Contudo, esta informação deve frequentemente ser calculada pelos meios de modelagem numéricos, dados que não há um suficiente tamanho da amostra da população para calcular exactamente estes indicadores.

A aplicação da metodologia nova de ModGraProDep (que modela dependências probabilísticas gráficas) promoveu dois projectos de investigação coordenados pelo professor Mireia Vilardell, da faculdade de UB do departamento de biologia da genética, a microbiologia e as estatísticas (secção das estatísticas) e o pesquisador Maria Buxó de IDIBGI.

No primeiro caso, ModGraProDep permite que nós identifiquem a estrutura de uma base de dados e gerem uma população simulada dos pacientes com características demográficas da coorte original. Com esta aproximação, os testes padrões pacientes novos possíveis podem ser identificados e indicadores ser calculados (por exemplo, a sobrevivência de pacientes em função dos valores de suas variáveis).

No segundo estudo, ModGraProDep é revelado como uma tecnologia capaz de atribuir valores em uma maneira probabilística nas variáveis de que o levantamento de dados não tinha sido possível.

A equipa de investigação igualmente projectou uma aplicação web do grande interesse clínico obter uma previsão de indicadores da sobrevivência e de risco da mortalidade do cancro - e por outras causas de cada paciente até um termo máximo de vinte anos.

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.