卵巢癌的在线预测

本文应用计算机学习方法，结合标准生物标志物CA125的水平以及质谱法提供的信息，对卵巢癌进行诊断。我们使用了一个历时7年收集的新数据集。利用CA125水平和质谱峰，我们的算法给出了疾病的概率预测。为了估计分类精度，我们将概率预测转换为严格预测。我们的算法比几乎任何CA125水平与单个峰强度（取对数尺度）的线性组合所犯的错误都要少。为了检验算法的效力，我们用它来检验一个假设：即在诊断前的特定时间点，CA125和这些峰不包含预测疾病的有用信息。我们的算法产生的$p$-值优于先前应用于该数据集的算法所产生的结果。我们的结论是，所提出的算法在新数据预测上更为可靠。