基于机器学习与临床数据改进甲状腺癌诊断
机器学习
2022-03-31 v1 定量方法
应用统计
摘要
甲状腺癌是一种发生于甲状腺的常见内分泌癌。为改进其诊断已投入大量努力，甲状腺切除术仍是主要治疗方法。一次成功且无不必要的副损伤的手术依赖于准确的术前诊断。当前对甲状腺结节恶性的主观评估易出错，且可能无法保证准确的术前诊断。本研究提出一种基于我们所收集的新颖临床数据集预测甲状腺结节恶性的机器框架。采用 10 折交叉验证、自助法分析与置换预测因子重要性，在不确定性下估计并解释模型性能。模型预测与专家评估的比较显示了我们的框架在预测甲状腺结节恶性上优于人类判断。我们的方法准确、可解释，因而可用作甲状腺癌术前诊断的附加证据。
引用
@article{arxiv.2203.15804,
title = {Improving The Diagnosis of Thyroid Cancer by Machine Learning and Clinical Data},
author = {Nan Miles Xi and Lin Wang and Chuanjia Yang},
journal= {arXiv preprint arXiv:2203.15804},
year = {2022}
}