原題
Performance Comparison of 10 State-of-the-Art Machine Learning Algorithms for Outcome Prediction Modeling of Radiation-Induced Toxicity.
背景:本研究では、非小細胞肺癌患者と肛門扁平上皮癌を含む2つの疾患部位からの臨床データを用いて、正常組織の合併症確率を予測するための様々な機械学習アルゴリズムを評価した。
方法:478人の患者を含む3組の放射線毒性データを11の機械学習アルゴリズムを用いて分析した。トレーニングセットとテストセットにランダムに分割することで、モデルのチューニングとパフォーマンス評価が可能になり、精度評価のために100回繰り返された。
結果:LASSOは食道炎に、ランダムフォレストは消化管毒性に、ニューラルネットワークは肺炎に最適であったが、Bayesian-LASSOは毒性全体で平均して最適であった。
結論:単一のアルゴリズムが普遍的に最もよく機能したわけではなく、結果予測のために複数のアルゴリズムを比較する必要性が強調された。このプロセスを容易にするために、ユーザーフレンドリーなインターフェースが開発された。
Journal: Adv Radiat Oncol (CiteScore 2022: 4.5)
DOI: 10.1016/j.adro.2024.101675
PMID: 39717195
コメント