Bliss Singhal, Fnu Pooja
Maschinelles Lernen (ML) ist ein Zweig der künstlichen Intelligenz (KI), bei dem Computer Daten analysieren und Muster in den Daten finden. Die Studie konzentriert sich auf die Erkennung von metastasiertem Krebs mithilfe von ML. Metastasierter Krebs ist der Punkt, an dem sich der Krebs auf andere Körperteile ausgebreitet hat, und ist die Ursache für etwa 90 % der krebsbedingten Todesfälle. Normalerweise verbringen Pathologen täglich Stunden damit, Tumore manuell zu klassifizieren, ob sie gutartig oder bösartig sind. Diese mühsame Aufgabe trägt dazu bei, dass Metastasen in über 60 % der Fälle falsch bezeichnet werden, und unterstreicht die Bedeutung, sich menschlicher Fehler und anderer Ineffizienzen bewusst zu sein. ML ist ein guter Kandidat, um die korrekte Identifizierung von metastasiertem Krebs zu verbessern und Tausende von Leben zu retten. Es kann auch die Geschwindigkeit und Effizienz des Prozesses verbessern und so weniger Ressourcen und Zeit in Anspruch nehmen. Bisher wurde in der Forschung zur Krebserkennung die Deep-Learning-Methode der KI verwendet. Diese Studie ist ein neuartiger Ansatz, um das Potenzial der Verwendung von Vorverarbeitungsalgorithmen in Kombination mit Klassifizierungsalgorithmen zur Erkennung von metastasiertem Krebs zu bestimmen. Die Studie verwendete zwei Vorverarbeitungsalgorithmen: Hauptkomponentenanalyse (PCA) und den genetischen Algorithmus, um die Dimensionalität des Datensatzes zu reduzieren, und verwendete dann drei Klassifizierungsalgorithmen: logistische Regression, Entscheidungsbaumklassifizierer und k-nächste Nachbarn, um metastasierenden Krebs in den Pathologiescans zu erkennen. Die höchste Genauigkeit von 71,14 % wurde von der ML-Pipeline erzielt, die aus PCA, dem genetischen Algorithmus und dem k-nächste Nachbarn-Algorithmus besteht, was darauf hindeutet, dass Vorverarbeitungs- und Klassifizierungsalgorithmen ein großes Potenzial für die Erkennung von metastasierendem Krebs haben