THALIS：癌症治疗中纵向症状的人机分析
人机交互
2021-08-09 v1 机器学习
摘要
尽管癌症患者在肿瘤治疗后可存活数年，但他们深受长期或永久性残留症状的困扰，这些症状的严重程度、发展速率及治疗后消退情况在幸存者之间存在很大差异。症状的分析与解释因其部分共现、跨人群与跨时间的变异性，以及在使用放疗的癌症中症状进一步依赖于肿瘤位置和处方治疗而变得复杂。我们描述了 THALIS，一个用于从癌症治疗症状数据进行可视化分析与知识发现的系统，该系统是与肿瘤学专家紧密合作开发的。我们的方法利用针对患者队列的无监督机器学习方法，并结合自定义视觉编码与交互，基于具有相似诊断特征与症状演变的患者为新患者提供上下文。我们在一个头颈癌患者队列收集的数据上评估了该方法。来自临床医生合作者的反馈表明，THALIS 支持超越机器或人类单独极限的知识发现，并且它是临床与症状研究中一个有价值的工具。
引用
@article{arxiv.2108.02817,
title = {THALIS: Human-Machine Analysis of Longitudinal Symptoms in Cancer Therapy},
author = {Carla Floricel and Nafiul Nipu and Mikayla Biggs and Andrew Wentzel and Guadalupe Canahuate and Lisanne Van Dijk and Abdallah Mohamed and C. David Fuller and G. Elisabeta Marai},
journal= {arXiv preprint arXiv:2108.02817},
year = {2021}
}
备注
11 pages, 6 figures