Mejora e interpretación de la predicción de múltiples tipos de cáncer utilizando un enfoque de conjunto de apilamiento con análisis de SHAP
Autores: Ganie, Shahid Mohammad; Dutta Pramanik, Pijush Kanti; Zhao, Zhongming
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Mejora e interpretación de la predicción de múltiples tipos de cáncer utilizando un enfoque de conjunto de apilamiento con análisis de SHAP
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Cáncer
Modelos de aprendizaje en conjunto
Apilamiento
SHAP
Precisión
Características clínicas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
El modelo de predicción multicáncer basado en stacking demostró una precisión e interpretabilidad superiores en comparación con los modelos tradicionales. Combinar diversos aprendices base con inteligencia artificial explicativa ofrece poder predictivo y transparencia en aplicaciones clínicas. También se identificaron características demográficas y clínicas clave que impulsan el riesgo de cáncer. La investigación adicional debería validar el modelo en poblaciones y tipos de cáncer más diversos.
Descripción
El modelo de predicción multicáncer basado en stacking demostró una precisión e interpretabilidad superiores en comparación con los modelos tradicionales. Combinar diversos aprendices base con inteligencia artificial explicativa ofrece poder predictivo y transparencia en aplicaciones clínicas. También se identificaron características demográficas y clínicas clave que impulsan el riesgo de cáncer. La investigación adicional debería validar el modelo en poblaciones y tipos de cáncer más diversos.