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.

A aprendizagem de máquina podia ajudar na gestão apropriada do cancro da língua

Imagine uma tecnologia que possa prever o resultado das pacientes que sofre de cancro - se o cancro reoccur após o tratamento, que tipo do plano do tratamento o benefício o paciente e a sobrevivência total chance dos pacientes? A aprendizagem de máquina, um subfield da inteligência artificial poised revolucionar a gestão do cancro. A pesquisa doutoral de Rasheed Alabi na universidade de técnicas de aprendizagem da máquina das mostras de Vaasa podia ajudar na gestão apropriada do cancro da língua.

O cancro da língua é o cancro o mais comum que é encontrado na região da cabeça e do pescoço. Causou uma quantidade significativa de mortes no mundo inteiro. Independentemente disso, pode causar o prejuízo e a dificuldade de discurso na absorção e na mastigação.

O desafio principal estêve na gestão apropriada do cancro da língua - diagnóstico adiantado, planear do tratamento, e factura de decisões informado pelos clínicos.

Em sua dissertação, Rasheed Alabi propor o uso de técnicas de aprendizagem da máquina para a gestão eficaz do cancro da língua. Desenvolveu uma ferramenta com suporte na internet que estratificasse correctamente pacientes que sofre de cancro em grupos de alto risco ou de baixo-risco. Esse ajuda com criação de um tratamento eficaz para pacientes que sofre de cancro da língua.

É importante planear correctamente para o tratamento de pacientes que sofre de cancro da língua aumentar a qualidade do cuidado fornecida a elas e à possibilidade de sobrevivência.”

Rasheed Alabi, universidade de Vaasa

As técnicas de aprendizagem da máquina outperformed os métodos tradicionais

O modelo com carácter de previsão da aprendizagem de máquina desenvolvido por Rasheed produziu uma precisão de 88,2% para prever se o cancro da língua reoccur após o tratamento. Similarmente, o modelo deaprendizagem outperformed outros métodos da gestão do cancro tais como o uso da plataforma e do nomograma do cancro em calcular a sobrevivência total de pacientes que sofre de cancro da língua.

Medicina personalizada e gestão precisa do cancro da língua

O modelo propor é capaz de aliviar a carga psicológica, social, e econômica causada pelo cancro oral da língua. A ferramenta prognóstica com suporte na internet desenvolvida assegura-se de que cada paciente esteja considerado como a entidade do aseparate (medicina personalizada) traçar para fora uma estratégia de gestão eficaz do cancro da língua. O modelo com carácter de previsão propor pode oferecer o planeamento de tratamento personalizado, para evitar terapias desnecessárias, a tomada de decisão eficaz da gestão do cancro, a assistência realística, decisões informado, e a sobrevivência total melhorada. A previsão adiantada do retorno do cancro diminui taxas de mortalidade de pacientes que sofre de cancro da língua.

Interesses da aprendizagem de máquina na prática clínica diária

Em sua dissertação, Alabi identifica diversos interesses que podem afectar o uso clínico diário real do modelo desenvolvido para a prática clínica diária. Estes interesses são agrupados nos desafios éticos que são inerentes à ciência da aprendizagem de máquina e de aplicações clínicas.

Os desafios éticos incluem a privacidade e o segredo, o desacordo do par, a liberdade dos pacientes para escolher o método de tratamento thepreferred, tomada de decisão compartilhada, e quadro jurídico para a aplicação lisa.

Algum refere-se à haste da aprendizagem de máquina como uma tecnologia, tal como a factura do explicável modelo (explainability), a compreensão de como a decisão ou a previsão são feitas (interpretability), e a possibilidade do modelo thedeveloped trabalhar para uma tarefa similar (generalisability).

Defesa pública

O exame público de M.Sc. A dissertação doutoral de “aprendizagem de Rasheed Alabi máquina para a previsão personalizada do cancro da língua " será guardarada quinta-feira 15 de abril de 2021 no meio-dia.

O evento será organizado em linha: https://uwasa.zoom.us/j/8515167887

O prof. Simo Saarakkala (universidade de Oulu) actuará como um oponente e um professor Mohammed Elmusrati como o guardião.

Alabi, aprendizagens de máquina de Rasheed (2021) para a previsão personalizada do cancro da língua. Acta Wasaensia 457. Dissertação doutoral, yliopisto de Vaasan - universidade de Vaasa.