基于 AI 的非肌肠浸润性膀胱癌复发临床规则发现——基于 Tsetlin 机器
机器学习
2025-07-29 v1 人工智能
摘要
全球每 3 分钟就有一例 bladder cancer 死亡。尽管大多数患者诊断为非肌肠浸润性膀胱癌 (NMIBC)，但最多有 70% 的病例在治疗后复发，引发持续的手术、监测及恶化风险循环。临床工具如 EORTC 风险表已过时且不可靠——尤其是针对中风险病例。我们提出一种可解释 AI 模型，采用 Tsetlin 机器 (TM)，这是一种符号学习器，输出透明、人类可读的逻辑。经在 PHOTO 试验数据集（n=330）测试，TM 的 F1 分数达到 0.80，优于 XGBoost（0.78）、Logistic Regression（0.60）和 EORTC（0.42）。TM 揭示每项预测背后的确切子句，基于临床特征如肿瘤数量、外科医生经验及住院天数——实现精准度与完全透明度。这使得 TM 成为可信赖、已准备好在实际场景中采纳的强大决策支持工具。
引用
@article{arxiv.2507.19803,
title = {AI-Based Clinical Rule Discovery for NMIBC Recurrence through Tsetlin Machines},
author = {Saram Abbas and Naeem Soomro and Rishad Shafik and Rakesh Heer and Kabita Adhikari},
journal= {arXiv preprint arXiv:2507.19803},
year = {2025}
}
备注
Submitted to ISTM 2025