12:14
arXiv cs.LG@Chris Varghese, Leo Y. Li-Han, Richa Bisht, Ellen Larson, Frank Lee, Ryan M. Carr, Tanios S. Bekaii-Saab, Shounak Majumder, John D. Halamka, Mark Truty, Ajit H. Goenka, Hojjat Salehinejad, Cornelius A. Thiels 该研究开发了一种基于Transformer的神经网络模型,通过分析患者多年的诊断编码和血液检测值序列,预测未来1-3年内患胰腺癌的风险。模型在6017名胰腺癌患者和17.7万对照人群上训练,外部验证显示1年预测AUC达0.837,校准良好。设定3.3%风险阈值时,诊断优势比为18.2,为胰腺癌人群筛查提供了首个数字化富集工具。
推荐理由:胰腺癌早期发现是提高生存率的关键,这项研究用常规医疗数据就能实现风险分层,做癌症筛查或临床决策支持的团队值得关注。