Machine Learning and Transformers for Thyroid Carcinoma Diagnosis: A Review

要約

医療専門家が不治の疾患を治療するための広範なデータを処理するのを支援するスマート診断システムの開発に関心が高まっていることが注目に値します。
特に、甲状腺がん（TC）を特定するという課題は、機械学習（ML）とビッグデータ分析の使用とともに進歩を遂げ、トランスを取り入れてTCの予後を評価し、個人の悪性腫瘍のリスクを判断します。
このレビュー記事では、TCを診断するためのAIベースのアプローチ、特にトランスを採用しているアプローチに関するさまざまな研究の要約を紹介します。
人工知能（AI）アルゴリズム、フレームワークの目標、および使用されるコンピューティング環境に基づいて、これらの方法の新しい分類システムを導入します。
さらに、利用可能なTCデータセットをその機能で精査して対比します。
この論文は、医療診断と疾患管理におけるトランスと大規模な言語モデル（LLM）の継続的な重要性に特に焦点を当てた、監督者、監視なし、または混合アプローチを介したTCの診断と治療を支援する際のAI機器の重要性を強調しています。
さらに、この分野の進捗状況と継続的な障害について説明します。
最後に、将来の方向を探求し、この研究分野に焦点を当てています。

要約(オリジナル)

The growing interest in developing smart diagnostic systems to help medical experts process extensive data for treating incurable diseases has been notable. In particular, the challenge of identifying thyroid cancer (TC) has seen progress with the use of machine learning (ML) and big data analysis, incorporating Transformers to evaluate TC prognosis and determine the risk of malignancy in individuals. This review article presents a summary of various studies on AI-based approaches, especially those employing Transformers, for diagnosing TC. It introduces a new categorization system for these methods based on artificial intelligence (AI) algorithms, the goals of the framework, and the computing environments used. Additionally, it scrutinizes and contrasts the available TC datasets by their features. The paper highlights the importance of AI instruments in aiding the diagnosis and treatment of TC through supervised, unsupervised, or mixed approaches, with a special focus on the ongoing importance of Transformers and large language models (LLMs) in medical diagnostics and disease management. It further discusses the progress made and the continuing obstacles in this area. Lastly, it explores future directions and focuses within this research field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google