第二课第一周1节-AI用于医学预后简介

Posted 2021-09-06 Tina姐

第二门课程集中于医学预后（medical prognosis）。

预后是医学的一个分支，专门预测病人未来的健康状况。

例如，根据病人的实验室结果，你能估计出未来5年内心脏病发作的风险吗？或是未来10年内死亡的风险？

在本课程中，您还将练习使用结构化数据构建决策树和随机森林。

机器学习是预测预后的有力工具，通过使用多种不同类型的医疗数据来准确预测患者未来的健康状况，可以极大地推动医学这一分支的发展。

任务安排

• 第一周 预后案例欣赏

我们会看到多个预后任务的例子，包括一些使用风险计算的预后是常规临床实践的一部分的例子。

• 第二周，用决策树建立机器学习模型。

您将使用树来建模非线性关系，这些关系通常在医学数据中观察到，并将其应用于预测死亡率（即患者死亡的概率）的预测任务。

在实践中，当我们训练机器学习模型时，一个关键的挑战是如何处理丢失的数据（missing data）。

您将了解一些处理机器学习管道中处理丢失数据的方法。

• 第三周，学习生存模型。

假设一个病人患有一种特殊类型的癌症，你想估计他们存活一年或两年，或五年，甚至更长时间的概率。这是当你使用生存模型时, 它允许你对事件进行建模。

在这种情况下，病人可能会死亡。这些模型帮助我们回答了一些病人的问题，比如，我在未来五年或未来十年中存活的可能性有多大？

生存模型也被用来模拟从治疗到复发的时间。所以问题是，我在一年或两年内复发的可能性有多大。

• 第四周，学习建立和评估生存模型

你将学习两个这样的模型，Cox proportional-hazards
model and survival trees。

最后，您将了解一种评估您构建的生存预测模型的预测性能的方法。

随着我们收集越来越大的医疗数据集，机器学习将成为学习复杂关系和医疗数据的宝贵工具，并帮助我们回答诸如为什么有些人比其他人活得更长？或者患者10年内心脏病发作的风险是多少？让我们投入进去吧。

文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文，呕心沥血

觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连