Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: survival prediction

Sortuj według:

Ogranicz wyniki do:

Machine learning models for predicting patients survival after liver transplantation

Jarmulski W., Wieczorkowska A., Trzaska M., Ciszek M., Paczek L.

Computer Science

2018

Vol. 19 (2)

223--239

In our work, we have built models predicting whether a patient will lose an organ after a liver transplant within a specified time horizon. We have used the observations of bilirubin and creatinine in the whole first year after the transplantation to derive predictors, capturing not only their static value but also their variability. Our models indeed have a predictive power that proves the value of incorporating variability of biochemical measurements, and it is the first contribution of our paper. As the second contribution we have identified that full-complexity models such as random forests and gradient boosting lack sufficient interpretability despite having the best predictive power, which is important in medicine. We have found that generalized additive models (GAM) provide the desired interpretability, and their predictive power is closer to the predictions of full-complexity models than to the predictions of simple linear models.

Zastosowanie sieci neuronowych do predykcji przeżycia w przypadku raka jajnika

Grabska-Chrząstowska J., Kulpa J., Rychlik U.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2007

T. 11, z. 3

345-353

Rak jajnika jest jednym z najbardziej złośliwych nowotworów występujących wśród kobiet. Przeżywalność pacjentek szacuje się na 30-50% w zależności od zaawansowania choroby. Bardzo istotna z punktu widzenia klinicznego jest prawidłowa predykcja przeżycia pacjentek ze względu na możliwość wprowadzenia dodatkowego leczenia po obowiązkowym leczeniu chemioterapią. Na podstawie wstępnych wyników badań podczas pierwszej interwencji chirurgicznej oraz rezultatach otrzymanych po I rzucie chemioterapii można przy pomocy sztucznych sieci neuronowych z dużą pewnością przewidywać 24-miesięczne przeżycie poszczególnych pacjentek.

Ovarian carcinoma is one of the most malignant carcinomas within women patients. The patients' survival is estimated at 30-50% depending on the advancement of the disease. A proper prediction of the patients' survival chances is crucial from the clinical point of view due to the possibility of introducing additional treatment after the obligatory chemotherapy. On the basis of initial research results during the primary surgery and the results received after the first step chemotherapy artificial neural network may predict a 24-month survival of particular patients with a high level of certainty.