يك سيستم پيش آگهي يادگيري عميق جديد براي بهبود پيش بيني بقا در سرطان پروستات: تجزيه و تحليل مقايسه اي با روش هاي سنتي

سرطان پروستات يك نوع سرطان شديد است و به دليل سيستم تشخيصي ضعيف، باعث مرگ و مير عمده مردان مي شود. ارايه پيش آگهي به بيماران مبتلا به انواع سرطان نقش بسيار مهمي در فرآيند درمان سرطان دارد. اين مطالعه با هدف توسعه يك سيستم پيش آگهي مبتني بر يادگيري عميق انجام شد كه بتوان عملكرد پيش بيني بهتري را نسبت به سيستم هاي موجود براي سرطان پروستات به دست آورد. در اين مطالعه، يك مدل يادگيري عميق بقا (DSLM) براي سرطان پروستات بر اساس پايگاه داده نظارت، اپيدميولوژي و نتايج نهايي (SEER) ايجاد شد و در ادامه با مدل هاي خطر متناسب كاكس (CPH) و جنگل بقا تصادفي (RSF) مقايسه شد. اين مطالعه شامل 340806 بيمار مبتلا به سرطان پروستات از پايگاه داده SEER است. DSLM بهترين عملكرد را در مجموعه اعتبارسنجي در پيش‌بيني بقا با شاخص تطابق 0.782 نشان داد و RSF (0.753) وCPH (0.731) نتايج ضعيف تري داشتند. بنابراين اين رويكرد جديد ممكن است در بهبود طبقه بندي بيماران مبتلا به سرطان پروستات ارزشمند باشد و به طور بالقوه اطلاعات پيش آگهي معناداري را ارائه دهد كه به ارايه درمان شخصي به بيمار كمك مي كند.