Прогнозирование течения онкологического заболевания с использованием методов машинного обучения

Abstract

Аннотация: совершенствование клинических протоколов, применяемых при лечении онкологических пациентов, в значительной степени зависит от повышения точности прогноза за счёт его большей персонификации. Предлагается вариант метода персонифицированного прогнозирования течения рака лёгкого, основанный на возможностях модели с машинным обучением. Для создания модели использовался алгоритм «классификатор деревьев» с применением градиентного спуска библиотеки CatBoost. Чувствительность метода 78,8%, специфичность 88,8%.

Abstract. Improving clinical protocols used for treating cancer patients largely depends on increasing the accuracy of prognosis by making it more personalized. A variant of a personalized method for predicting the course of lung cancer is proposed, based on the capabilities of a machine learning model. The “tree classifier” algorithm with gradient descent from the CatBoost library was used to create the model. The sensitivity of the method is 78,8%, the specificity is 88,8%.