利用病理特征处理不确定性：基层医疗数据中开发高风险癌症生存方法的机遇
机器学习
2020-12-21 v1
摘要
2019 年有超过 144000 名澳大利亚人被诊断出癌症。即使对于存在筛查项目的癌症，大多数人也会首先以症状性方式就诊于其全科医生(GP)。由于癌症症状的非特异性及其低患病率，在基层医疗中诊断癌症具有挑战性。理解基层医疗数据中癌症症状的流行病学及患者病史中的就诊模式，可能对于改善早期发现和癌症预后十分重要。由于患者既往医疗数据可能不完整、不规则或缺失，这给利用患者病史进行任何新诊断带来了额外挑战。我们的研究旨在探讨 GP 可获取的患者病理病史中的机遇，初期聚焦于常开具的全血细胞计数结果，以确定其与未来高风险癌症预后及治疗效果的相关性。我们研究了既往病理检测结果如何导出可用于预测癌症结局的特征，重点关注意外两年内死于癌症风险的患者。该初步工作聚焦于肺癌患者，尽管该方法可应用于其他类型癌症及病历中的其他数据。我们的发现表明，即使在患者病史不完整或模糊的情况下，血液学指标仍可用于生成与预测癌症风险及生存相关的特征。结果强烈提示应加入病理检测数据用于潜在高风险癌症诊断，并进一步利用额外病理指标或其他基层医疗数据集用于类似目的。
引用
@article{arxiv.2012.09976,
title = {Handling uncertainty using features from pathology: opportunities in primary care data for developing high risk cancer survival methods},
author = {Goce Ristanoski and Jon Emery and Javiera Martinez-Gutierrez and Damien Mccarthy and Uwe Aickelin},
journal= {arXiv preprint arXiv:2012.09976},
year = {2020}
}
备注
14th Australasian Conference on Health Informatics and Knowledge Management HIKM 2021