用于预测去甲状腺癌复发的可解释人工智能模型
机器学习
2025-05-06 v1 应用统计
摘要
甲状腺癌是一类显著但往往可控的癌症，由于诊断方法的进步，发病率正在上升。去甲状腺癌（DTC），包括乳头状和丘状两类，通常被认为在学术界具有良好的预后。然而，仍有一些患者可能会经历复发。本研究采用机器学习，特别是深度学习模型，来预测DTC的复发情况，以改进患者护理，实现个体化治疗。通过分析包含患者临床病理特征的数据集，该模型在训练期间达到了高达98%的准确率，在测试期间达到了96%的准确率。为提高模型的可解释性，我们使用了LIME和莫里斯灵敏度分析等技术。这些方法为我们提供了关于模型如何做出决策的宝贵见解。结果表明，结合深度学习模型与可解释性技术在快速识别甲状腺癌复发方面非常有用。这有助于做出明智的治疗选择，并为个体患者定制治疗方案。
引用
@article{arxiv.2410.10907,
title = {An Explainable AI Model for Predicting the Recurrence of Differentiated Thyroid Cancer},
author = {Mohammad Al-Sayed Ahmad and Jude Haddad},
journal= {arXiv preprint arXiv:2410.10907},
year = {2025}
}