使用监督机器学习预测癌症：间皮瘤

背景：胸膜间皮瘤（PM）是一种罕见的、侵袭性肿瘤，会在肺胸膜中迅速发展为癌症。胸膜间皮瘤是间皮瘤的一种常见类型，约占美国每年确诊的所有间皮瘤病例的75%。间皮瘤的诊断需要数月时间且费用昂贵。鉴于与胸膜间皮瘤诊断相关的风险和限制，早期识别这种疾病对患者健康至关重要。目标：在本研究中，我们使用人工智能算法推荐最适合恶性胸膜间皮瘤早期诊断和预后的模型。方法：我们回顾性检索了土耳其迪克勒大学收集的患者临床数据，并应用了多层感知器（MLP）、投票感知器（VP）、Clojure分类器（CC）、核逻辑回归（KLR）、随机梯度下降（SGD）、自适应提升（AdaBoost）、Hoeffding树（VFDT）以及用于支持向量机的原始估计次梯度求解器（s-Pegasos）。我们评估了这些模型，并使用配对T检验（校正后）在0.05的显著性水平上，基于它们各自的分类准确率、F值、精确率、召回率、均方根误差、受试者工作特征曲线（ROC）和精确率-召回率曲线（PRC）进行了比较和测试。结果：在第一阶段，SGD、AdaBoost.M1、KLR、MLP、VFDT生成了具有最高可能性能指标的最优结果。在第二阶段，AdaBoost以71.29%的分类准确率优于所有其他算法。C反应蛋白、血小板计数、症状持续时间、性别和胸膜蛋白被发现是能够预测间皮瘤的最相关预测因子。结论：本研究证实，通过活检和影像学检查获得的数据是间皮瘤的强预测因子，但成本较高；然而，它们能以最优的准确率识别间皮瘤。