메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
백이선 (삼성서울병원) 이정원 (삼성서울병원) 박정열 (울산대학교) 김주현 (분당서울대학교병원) 김미정 (겐트대학교 글로벌캠퍼스 Biotech Data Science Research Center) 김태중 (삼성서울병원) 최철훈 (삼성서울병원) 김병기 (성균관대학교) 배덕수 (삼성서울병원) 서성욱 (삼성서울병원)
저널정보
대한부인종양학회 Journal of Gynecologic Oncology Journal of Gynecologic Oncology Vol.30 No.4
발행연도
2019.1
수록면
1 - 13 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (3)

2019

Prediction of survival outcomes in patients with epithelial ovarian cancer using machine learning methods
백이선 ,  이정원 ,  박정열 외 7명 Journal of Gynecologic Oncology 2019.01 학술저널

2016

Feasibility of laparoscopic cytoreduction in patients with localized recurrent epithelial ovarian cancer
백이선 ,  이유영 ,  김태중 외 4명 Journal of Gynecologic Oncology 2016.01 학술저널

2015

Feasibility and outcomes of laparoscopic cytoreduction in patients with recurrent epithelial ovarian cancer
백이선 의학과 2015.01 학위논문

초록· 키워드

오류제보하기
Objectives: The aim of this study was to develop a new prognostic classification for epithelial ovarian cancer (EOC) patients using gradient boosting (GB) and to compare the accuracy of the prognostic model with the conventional statistical method. Methods: Information of EOC patients from Samsung Medical Center (training cohort, n=1,128) was analyzed to optimize the prognostic model using GB. The performance of the final model was externally validated with patient information from Asan Medical Center (validation cohort, n=229). The area under the curve (AUC) by the GB model was compared to that of the conventional Cox proportional hazard regression analysis (CoxPHR) model. Results: In the training cohort, the AUC of the GB model for predicting second year overall survival (OS), with the highest target value, was 0.830 (95% confidence interval [CI]=0.802–0.853). In the validation cohort, the GB model also showed high AUC of 0.843 (95% CI=0.833–0.853). In comparison, the conventional CoxPHR method showed lower AUC (0.668 (95% CI=0.617–0.719) for the training cohort and 0.597 (95% CI=0.474–0.719) for the validation cohort) compared to GB. New classification according to survival probability scores of the GB model identified four distinct prognostic subgroups that showed more discriminately classified prediction than the International Federation of Gynecology and Obstetrics staging system. Conclusion: Our novel GB-guided classification accurately identified the prognostic subgroups of patients with EOC and showed higher accuracy than the conventional method. This approach would be useful for accurate estimation of individual outcomes of EOC patients.
#Machine Learning #CA-125 Antigen #Ovarian Neoplasms #Prognosis #Survival

목차

등록된 정보가 없습니다.

참고문헌 (27)

참고문헌 신청
Siegel RL / 2015 / Cancer statistics, 2015 / CA Cancer J Clin 65:5~29 google schola Vaidya AP / 2003 / The follow-up of ovarian cancer / Semin Oncol 30:401~412 google schola Cotte E / 2007 / Cytoreductive surgery and intraperitoneal chemo-hyperthermia for chemo-resistant and recurrent advanced epithelial ovarian cancer : prospective study of 81 patients / World J Surg 31:1813~1820 google schola 백이선 / 2015 / Survival analysis of revised 2013 FIGO staging classification of epithelial ovarian cancer and comparison with previous FIGO staging classification / Obstetrics & Gynecology Science 58(2):124~134 dbpia Mizuno M / 2015 / Prognostic value of histological type in stage IV ovarian carcinoma : a retrospective analysis of 223 patients / Br J Cancer 112:1376~1383 google schola

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0