یک سیستم پیش آگهی یادگیری عمیق جدید برای بهبود پیش بینی بقا در سرطان پروستات: تجزیه و تحلیل مقایسه ای با روش های سنتی

سرطان پروستات یک نوع سرطان شدید است و به دلیل سیستم تشخیصی ضعیف، باعث مرگ و میر عمده مردان می شود. ارایه پیش آگهی به بیماران مبتلا به انواع سرطان نقش بسیار مهمی در فرآیند درمان سرطان دارد. این مطالعه با هدف توسعه یک سیستم پیش آگهی مبتنی بر یادگیری عمیق انجام شد که بتوان عملکرد پیش بینی بهتری را نسبت به سیستم های موجود برای سرطان پروستات به دست آورد. در این مطالعه، یک مدل یادگیری عمیق بقا (dslm) برای سرطان پروستات بر اساس پایگاه داده نظارت، اپیدمیولوژی و نتایج نهایی (seer) ایجاد شد و در ادامه با مدل های خطر متناسب کاکس (cph) و جنگل بقا تصادفی (rsf) مقایسه شد. این مطالعه شامل 340806 بیمار مبتلا به سرطان پروستات از پایگاه داده seer است. dslm بهترین عملکرد را در مجموعه اعتبارسنجی در پیش‌بینی بقا با شاخص تطابق 0.782 نشان داد و rsf (0.753) وcph (0.731) نتایج ضعیف تری داشتند. بنابراین این رویکرد جدید ممکن است در بهبود طبقه بندی بیماران مبتلا به سرطان پروستات ارزشمند باشد و به طور بالقوه اطلاعات پیش آگهی معناداری را ارائه دهد که به ارایه درمان شخصی به بیمار کمک می کند.