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

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.