Intelligence artificielle interprétable pour la prédiction de la survie dans le cancer de prostate - 20/09/20
Resumen |
Introduction et but de l’étude |
Le traitement du cancer de prostate peut occasionner des effets secondaires urinaires, digestifs et sexuels qui peuvent significativement modifier la qualité de vie. Certains patients ne tireront par ailleurs aucun bénéfice du traitement car ils sont en réalité atteints d’une forme indolente ou parce qu’ils décèderont d’une autre cause intercurrente. Des modèles de prédiction précis sont nécessaires afin de définir la meilleure stratégie thérapeutique. Le but de cette étude était d’utiliser les techniques d’intelligence artificielle afin de créer des modèles de la survie spécifique et globale à 10 ans chez les patients atteints d’un cancer de prostate.
Matériel et méthodes |
Nous avons utilisé les données de l’essai multicentrique randomisé PLCO (NCT00002540) afin d’entraîner des modèles de type gradient-boosting decision tree. Afin d’évaluer l’intérêt de variables cliniques simples, nous avons utilisé les informations décrivant le cancer lui-même, les antécédents du patient, son activité physique et son statut hormonal. Les hyperparamètres des modèles ont été déterminés par optimisation bayésienne. Afin d’évaluer les performances des modèles, nous avons utilisé une technique de bootstrap aléatoire sur un jeu de données séparé. Dans le but de fournir une explication aux prédictions réalisées, nous avons calculé les Shapley values de chaque variable. Enfin, nous avons déployé les modèles en ligne.
Résultats et analyse statistique |
En tout, 8776 patients ont été inclus dans l’étude. Les données ont été séparées en un jeu d’entraînement (n=7021) et un de test (n=1755). Après entraînement, la précision atteinte sur le jeu de données de test était de 0,87 (±0,02) et 0,98 (±0,01) respectivement pour la survie globale et la survie spécifique. L’aire sous la courbe était de 0,84 (±0,02) et 0,81 (±0,04) respectivement pour la survie globale et la survie spécifique. Les modèles sont utilisables directement en ligne à l’adresse : prostatecancersurvival.stanford.edu/. Pour chaque prédiction, l’application fournit une explication graphique qui permet de comprendre la prédiction réalisée.
Conclusion |
À partir de données prospectives, multicentriques, nous avons créé deux modèles d’intelligence artificielle capables de prédire avec précision la survie globale et la survie spécifique à 10 ans après un diagnostic de cancer de prostate. Ces modèles ne sont pas des boîtes noires car ils sont capables de fournir pour chaque prédiction une explication. Ils sont déployés et utilisables en ligne.
El texto completo de este artículo está disponible en PDF.Esquema
Vol 24 - N° 6-7
P. 775 - octobre 2020 Regresar al número
Artículo precedente
- Capture, restitution et exploitation multicentrique des données de vie réelle en radiothérapie
- J.B. Clavier, L. Jung, R. Eugène, C. Mazzara, S. Servagi, S. Rivera, I. Issoufaly, S. Bellefqih, J.-M. Hannoun-Lévi, C. Petit, J. Feuillade, J.-M. Fontbonne, N. Bonnet, A. Jou, M. Piot, X. Liem, J. Thariat, S. Guihard
- Validation interne au GORTEC du consensus international de délinéation des CTV-P pour les cancers des VADS (méthode de consensus formalisé) : résultats des phases de cotation
- M. Lapeyre, Y. Pointreau, J. Biau, P. Boisselier, P. Blanchard, P. Graff-Cailleaud, F. Huguet, S. Racadot, M. Alfonsi, J. Castelli, L. Martin, X.S. Sun, C. Sire, Y. Tao, J. Bourhis, J. Thariat
Bienvenido a EM-consulte, la referencia de los profesionales de la salud.
El acceso al texto completo de este artículo requiere una suscripción.
¿Ya suscrito a @@106933@@ revista ?