Extracto
predicción de la supervivencia y la selección del tratamiento en el tratamiento del cáncer de pulmón se caracterizan por altos niveles de incertidumbre. Las redes bayesianas (BNS), que, naturalmente, la razón con el conocimiento del dominio incierto, se pueden aplicar para ayudar a los expertos en cáncer de pulmón, proporcionando estimaciones de supervivencia personalizados y recomendaciones de selección de tratamiento. Sobre la base de la base de datos Inglés cáncer de pulmón (LUCADA), se evalúa la viabilidad de BN para estas dos tareas, mientras que la comparación de las actuaciones de varios descubrimiento causal se acerca a descubrir la estructura de la red más factible a partir del conocimiento y de expertos. Se demuestra en primer lugar que la estructura BN suscitó de los médicos alcanza un área decepcionante bajo la curva ROC de 0,75 (± 0,03), mientras que una estructura aprendido por el algoritmo de descubrimiento causal CAMML híbrido, que se adhiere a las restricciones temporales, alcanza 0,81 (± 0,03) . En segundo lugar, nuestros resultados de la intervención causal revelan que las recomendaciones de tratamiento BN, con base en la prescripción el plan de tratamiento que maximiza la supervivencia, sólo pueden predecir el grabado plan de tratamiento 29% del tiempo. Sin embargo, este porcentaje se eleva al 76% si se incluyen las coincidencias parciales.
Visto: Sesen MB, Nicholson AE, Bañares-R Alcantara, Kadir T, M Brady (2013) Redes Bayesianas para el soporte de decisiones clínicas en la atención del cáncer de pulmón. PLoS ONE 8 (12): e82349. doi: 10.1371 /journal.pone.0082349
Editor: Raffaele Un Calogero, Universidad de Turín, Italia