پیش بینی بقای بیماران مبتلا به سرطان پستان با استفاده از بهینه سازی مدل DeepHit

با توجه به اهمیت و شیوع سرطان پستان به عنوان دومین علت مرگ در بین بیماری های سرطانی در جهان، دسترسی به مدل هایی که با دقت بالا بتوانند بقای این بیماران را در افراد مبتلا پیش بینی نمایند، موردتوجه است. هدف از این مطالعه، استفاده از شبکه عصبی عمیق بهینه سازی شده برای پیش بینی بقای بیماران مبتلا به سرطان پستان است. مطالعه حاضر یک مطالعه تحلیلی هست. داده های مورداستفاده از بانک داده ای METABRIC مربوط به طبقه بندی مولکولی از بیماران مبتلابه سرطان سینه مجمع بین المللی هست. تعداد کل بیماران موردبررسی 1981نفر هست. از این تعداد 888 نفر از بیماران تا لحظه مرگ تحت مراقبت و بقیه در حین مطالعه از ادامه مطالعه صرف نظر کرده اند. در این دیتاست به 21 ویژگی کلینیکی بیماران توجه شده است که در کل شامل 6 ویژگی کمی و 15 ویژگی کیفی هست. جهت پیش بینی بقا از مدل شبکه عصبی عمیق DeepHit بهینه سازی شده استفاده می شود. مدل بهینه سازی شده توانسته است معیار 73/0 c_index= را، که معیاری برای سنجش قابلیت مدل های آنالیز بقا است کسب کند. مقایسه با مدل های قبلی بر اساس مجموعه داده های واقعی و مصنوعی نشان می دهد که DeepHit بهینه سازی شده به پیشرفت های عملکردی بزرگ و آماری قابل توجهی نسبت به روش های سطح بالا دست یافته است.