ترجمه فارسی مقاله ائتلافی از روشهای مبتنی بر هوش مصنوعی با استفاده از دادههای بالینی دنیای واقعی با AUC تا 0.9 خطرات 15 ساله متاستاز سرطان پستان را پیشبینی میکنند.
عنوان مقاله به انگلیسی
Coalitions of AI-based Methods Predict 15-Year Risks of Breast Cancer Metastasis Using Real-World Clinical Data with AUC up to 0.9
عنوان مقاله به فارسی
ائتلافی از روشهای مبتنی بر هوش مصنوعی با استفاده از دادههای بالینی دنیای واقعی با AUC تا 0.9 خطرات 15 ساله متاستاز سرطان پستان را پیشبینی میکنند.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Breast cancer is one of the two cancers responsible for the most deaths in women, with about 42,000 deaths each year in the US. That there are over 300,000 breast cancers newly diagnosed each year suggests that only a fraction of the cancers result in mortality. Thus, most of the women undergo seemingly curative treatment for localized cancers, but a significant later succumb to metastatic disease for which current treatments are only temporizing for the vast majority. The current prognostic metrics are of little actionable value for 4 of the 5 women seemingly cured after local treatment, and many women are exposed to morbid and even mortal adjuvant therapies unnecessarily, with these adjuvant therapies reducing metastatic recurrence by only a third. Thus, there is a need for better prognostics to target aggressive treatment at those who are likely to relapse and spare those who were actually cured. While there is a plethora of molecular and tumor-marker assays in use and under-development to detect recurrence early, these are time consuming, expensive and still often un-validated as to actionable prognostic utility. A different approach would use large data techniques to determine clinical and histopathological parameters that would provide accurate prognostics using existing data. Herein, we report on machine learning, together with grid search and Bayesian Networks to develop algorithms that present a AUC of up to 0.9 in ROC analyses, using only extant data. Such algorithms could be rapidly translated to clinical management as they do not require testing beyond routine tumor evaluations.
چکیده به فارسی (ترجمه ماشینی)
سرطان پستان یکی از دو سرطان است که بیشترین مرگ و میر در زنان را بر عهده دارد و حدود 42000 کشته هر سال در ایالات متحده وجود دارد.اینکه بیش از 300000 سرطان پستان که هر سال به تازگی تشخیص داده می شود وجود دارد ، نشان می دهد که تنها بخشی از سرطانها منجر به مرگ و میر می شوند.بنابراین ، بیشتر زنان تحت درمان به ظاهر درمانی برای سرطانهای موضعی قرار می گیرند ، اما بعداً در معرض بیماری متاستاتیک قرار می گیرند که درمان های فعلی فقط برای اکثریت قریب به اتفاق زمانی هستند.معیارهای پیش آگهی فعلی برای 4 از 5 زن که به نظر می رسد پس از معالجه محلی درمان می شوند ، از ارزش عمل کمی برخوردار هستند ، و بسیاری از خانمها در معرض روشهای درمانی کمکی و حتی فانی به طور غیر ضروری هستند ، با این روشهای درمانی کمکی که باعث کاهش عود متاستاتیک تنها توسط یک سوم می شوند.بنابراین ، نیاز به پیش آگهی های بهتر برای هدف قرار دادن رفتار تهاجمی در مورد کسانی که احتمالاً عود می کنند و از کسانی که در واقع درمان شده اند ، عود می کنند.در حالی که تعداد زیادی از سنجش های مولکولی و تومور در استفاده و توسعه در حال توسعه برای تشخیص زود هنگام وجود دارد ، اینها وقت گیر ، گران قیمت هستند و هنوز هم اغلب از طریق ابزار پیش آگهی قابل اجرا نیستند.یک رویکرد متفاوت از تکنیک های بزرگ داده برای تعیین پارامترهای بالینی و هیستوپاتولوژیک استفاده می کند که پیش بینی دقیق با استفاده از داده های موجود را ارائه می دهد.در اینجا ، ما در مورد یادگیری ماشین ، همراه با جستجوی شبکه و شبکه های بیزی گزارش می دهیم تا الگوریتم هایی را تهیه کنیم که در تجزیه و تحلیل ROC AUC حداکثر 0.9 را ارائه می دهند و فقط با استفاده از داده های موجود.چنین الگوریتم ها می توانند به سرعت به مدیریت بالینی ترجمه شوند زیرا آنها نیازی به آزمایش فراتر از ارزیابی روتین تومور ندارند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
