Un modèle d’apprentissage profond est efficace pour prédire la survie des patients avec plusieurs métastases cérébrales

Lire la version anglaise de cet article

Selon des chercheurs, un modèle d’apprentissage profond, utilisant une méthode d’apprentissage automatique pour modéliser les relations non linéaires entre les prédicteurs d’imagerie au niveau du pixel et les données de survie, s’est avéré efficace pour prédire la survie des patients avec plusieurs métastases cérébrales.

Le modèle a surpassé les modèles traditionnels à risques proportionnels de Cox (RPC) basés sur des relations linéaires entre des facteurs cliniques et la survie.

Le Dr Enoch Chang du Département de radiologie thérapeutique de la Faculté de médecine de Yale (Department of Therapeutic Radiology at Yale School of Medicine), à New Haven, dans le Connecticut, aux États-Unis, a présenté les nouveaux résultats lors de la conférence virtuelle de la SNO 2020.

Ology Medical Education est un prestataire international de formation médicale indépendante. Sa mission est de fournir aux professionnels de santé des informations médicales fiables et de haute qualité dans le but d’optimiser la prise en charge des patients.

Ology Medical Education décline toute responsabilité concernant tout dommage aux personnes ou aux biens par négligence ou autre, ou en lien avec toute utilisation ou exploitation de toute méthode, de tout produit, de toute instruction ou de toute idée contenu(e) dans cette publication. En raison des progrès rapides dans les sciences médicales, Ology Medical Education recommande d’effectuer une vérification indépendante des diagnostics et dosages de médicaments. Les opinions exprimées ne reflètent pas celles d’Ology Medical Education ou du promoteur. Ology Medical Education n’assume aucune responsabilité quant au contenu du présent document.