기계 학습을 이용한 구인두암의 수술 후 치료 예후 예측

김다찬; 박영민; 김세헌; 최은창; 임재열; 고윤우

추천

검색

자료유형: 학술저널

저자정보: 김다찬 (연세대학교 의과대학 강남세브란스병원 이비인후과학교실) 박영민 (연세대학교 의과대학 강남세브란스병원 이비인후과학교실) 김세헌 (연세대학교 의과대학 이비인후과학교실) 최은창 (연세대학교 의과대학 이비인후과학교실) 임재열 (연세대학교 의과대학 강남세브란스병원 이비인후과학교실) 고윤우 (연세대학교 의과대학 이비인후과학교실)

저널정보: 대한이비인후과학회 대한이비인후-두경부외과학회지 대한이비인후-두경부외과학회지 제66권 제4호

발행연도: 2023.4

수록면: 241 - 247 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Background and Objectives This study analyzed data from patients who were diagnosedwith human papilloma virus (HPV)-associated oropharyngeal (OPC) and treated surgically toconstruct a machine learning survival prediction model. Subjects and Method We retrospectively analyzed the clinico-pathological data of 203 pa-tients with HPV-associated oropharyngeal squamous cell carcinoma (OPSCC) from 2007 to 2015. Results In the Cox proportional hazard (CPH) model, the c-index values for the training setand the test set were 0.81 and 0.59, respectively. The univariate analysis showed that contralat-eral lymph nodes (LNs) metastasis, lymphovascular invasion, pN, stage, surgical margin sta-tus, histologic grade, pT, and the number of metastatic LNs had significant correlations withsurvival. Contrastively, the multivariate analysis showed pT and histologic grade to have sig-nificant correlation with survival. In the random survival forest model, the c-index values forthe training set and the test set were 0.83 and 0.87, respectively. In the DeepSurv model, the c-index values for the training set and the test set were 0.75 and 0.83. Among the three modelsmentioned above, Random Survival Forest and DeepSurv showed the best performance forpredicting the survival of HPV-associated OPSCC patients. Conclusion We confirmed that a survival prediction model using machine learning anddeep learning algorithms showed reasonable survival estimates for HPV-associated OPSCC patients.

#Deep learning #Human papilloma virus #Machine learning #Survival analysis.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!