Deep-CR MTLR：一种面向竞争风险下癌症生存预测的多模态方法
机器学习
2021-03-23 v3
摘要
准确的生存预测对精准癌症医学的发展至关重要，这催生了对新型预后信息来源的需求。近来，利用常规收集的临床与医学影像数据在多种癌症中发现新预后标志物受到显著关注。然而，既往研究多仅关注单一数据模态，且未利用生存预测中机器学习的最新进展。我们提出 Deep-CR MTLR——一种基于神经网络及多任务逻辑回归框架扩展的新型机器学习方法，可从多模态临床与影像数据中在存在竞争风险时准确预测癌症生存。我们在 2552 名头颈癌患者队列中证明，该多模态方法的预后性能优于单模态预测器，尤其在癌症特异性生存方面，我们的方法实现了 2 年 AUROC 为 0.774、 指数为 0.788。
引用
@article{arxiv.2012.05765,
title = {Deep-CR MTLR: a Multi-Modal Approach for Cancer Survival Prediction with Competing Risks},
author = {Sejin Kim and Michal Kazmierski and Benjamin Haibe-Kains},
journal= {arXiv preprint arXiv:2012.05765},
year = {2021}
}
备注
Accepted at AAAI Spring Symposium 2021 (SP-ACA)