Un modello di deep learning è efficace nel predire la sopravvivenza nei pazienti con metastasi cerebrali multiple

Alcuni ricercatori hanno riportato che un modello di deep learning, che utilizza un metodo di apprendimento automatico per modellare le relazioni non lineari tra predittori di imaging a livello di pixel e dati di sopravvivenza, si è dimostrato efficace nel predire la sopravvivenza nei pazienti con metastasi cerebrali multiple.

Il modello ha fornito prestazioni migliori dei tradizionali modelli di rischio proporzionale di Cox (Cox Proportional Hazard, CPH) basati sulle relazioni lineari tra fattori clinici e sopravvivenza.

Il Dott. Enoch Chang del Dipartimento di radiologia terapeutica presso la Facoltà di medicina di Yale (Yale School of Medicine) di New Haven, Connecticut, Stati Uniti, ha presentato i nuovi risultati alla conferenza virtuale della Società di neuroncologia (Society for Neuro-Oncology, SNO) 2020.