口腔癌是一種影響頭頸部的常見癌癥。大約 50% 的口腔癌患者即使在治療后也無法存活超過五年，因為許多患者僅在疾病晚期才尋求醫(yī)療幫助。當患者尋求幫助時，癌癥可能需要進行高級治療，甚至可能已經擴散到其他區(qū)域。
口腔癌通常由臨床上稱為口腔白斑(OL) 和口腔苔蘚樣粘膜炎 (OLM) 的白色斑塊發(fā)展而來。這些白斑可能早在診斷口腔癌之前就出現(xiàn)了，它們的早期發(fā)現(xiàn)和持續(xù)監(jiān)測對于預防癌癥的發(fā)展至關重要。然而，預測哪些 OL/OLM 病變會發(fā)展為口腔癌有時具有挑戰(zhàn)性，因為從 OL/OLM 發(fā)展為癌癥的全球風險率從 0.4% 到 40.8% 不等。
在 OL/OLM 監(jiān)測期間經常安排例行探視和多次活檢。此外，患者監(jiān)測可能會持續(xù)多年，導致疲勞和不遵守醫(yī)院預約。因此，最好在個體基礎上確定這些患者的癌癥發(fā)展風險，以允許衛(wèi)生專業(yè)人員使用這些信息來為每個患者制定具體的治療和隨訪計劃。
大學(港大)牙醫(yī)學院及李嘉誠醫(yī)學院的研究人員;瑪麗醫(yī)院病理科;昆士蘭州詹姆斯庫克大學醫(yī)學和牙科學院合作開發(fā)了一個網絡平臺，該平臺可用于自動生成診斷后長達 20 年的 OL 或 OLM 患者發(fā)生口腔癌風險的個性化預測。
結果發(fā)表在癌癥雜志上的一篇題為“深度學習預測口腔潛在惡性疾病的無惡性轉化生存”的文章中。
免費提供的網絡工具基于人工智能算法“DeepSurv”，使用來自(716 名患者)和英國泰恩河畔紐卡斯爾(382 名患者)治療的 OL/OLM 患者的數(shù)據(jù)進行訓練和測試。由于患者已經接受多年的審查，他們的真實風險水平已經知道，研究表明，人工智能模型能夠準確預測他們在后續(xù)醫(yī)院就診期間不同時間點的風險水平。
之所以選擇 DeepSurv 算法，是因為它在使用這些患者的常規(guī)人口統(tǒng)計、臨床、病理和治療信息進行癌癥風險預測方面具有卓越的性能，經過一系列驗證練習。
在隊列的一個驗證子集中，“DeepSurv”能夠預測 95% 病例的正確癌癥風險水平。這是根據(jù) 0.04 的綜合 Brier 分數(shù)得出的，低于 0.25 的分數(shù)通常描述了可能在實際應用中有用的工具。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！