
به گزارش خبرگزاری مهر به نقل از Scientific Reports، در این پژوهش، دادههای ۳۲۶ بیمار مبتلا به سرطان پروستات بررسی شد که ۲۲۴ نفر از آنها تحت جراحی رباتیک و ۱۰۲ نفر تحت جراحی باز قرار گرفته بودند.
پژوهشگران چهار الگوریتم یادگیری ماشین شامل جنگل تصادفی، گرادیان بوستینگ، ماشین بردار پشتیبان و شبکه عصبی را برای پیشبینی ۱۲ پیامد پس از جراحی به کار گرفتند. سپس از روش هوش مصنوعی توضیحپذیر موسوم به SHAP برای مشخصکردن میزان اهمیت عوامل مختلف در پیشبینی نتایج استفاده کردند.
نتایج نشان داد مدلهای یادگیری ماشین در پیشبینی برخی پیامدها عملکرد بهتری نسبت به روشهای معمول داشتند. بهترین عملکرد مربوط به پیشبینی سطح هموگلوبین پس از جراحی بود که ضریب تعیین مدل در برخی موارد به ۰.۵۷ رسید. همچنین مدلها توانستند تصمیمگیری درباره انجام نمونهبرداری سریع بافت در حین جراحی را با دقت قابل توجهی پیشبینی کنند؛ بهطوری که مقدار AUC در بهترین مدل به ۰.۸۹ رسید.
تحلیل SHAP نشان داد عوامل مؤثر بر نتایج مختلف یکسان نیستند. برای مثال، عواملی …











