GENIE-NF-AI: Identifying Neurofibromatosis Tumors using Liquid Neural Network (LTC) trained on AACR GENIE Datasets

要約

タイトル：AACR GENIEデータセットでトレーニングされた液体ニューラルネットワーク（LTC）を使用した神経線維腫腫瘍の識別

要約：
– 近年、医学の分野では、疾患の検出、予測、評価のより迅速かつ正確な提供のために、人工知能（AI）技術をますます採用しています。
– 本研究では、血液検査と病原変数を使用して神経線維腫症の患者を診断するための解釈可能なAIアプローチを提案しています。
– AACR GENIEプロジェクトのデータセットを使用して提案手法を評価し、現代的なアプローチと比較したところ、99.86％の精度で既存のモデルを上回る結果を得ました。
– 私たちはまた、NF1および解釈可能なAIテストを実施して、私たちのアプローチを検証しました。
– 私たちの研究では、ロジスティック回帰と説明的な刺激を使用した説明可能なアプローチモデルとブラックボックスモデルを提供します。
– 説明可能なモデルはブラックボックスモデルの予測を説明するのに役立ち、グラスボックスモデルは最適適合特徴に関する情報を提供します。
– 総じて、私たちの研究は、神経線維腫症の患者の診断のための解釈可能なAIアプローチを示し、医療分野におけるAIの可能性を示しています。

要約(オリジナル)

In recent years, the field of medicine has been increasingly adopting artificial intelligence (AI) technologies to provide faster and more accurate disease detection, prediction, and assessment. In this study, we propose an interpretable AI approach to diagnose patients with neurofibromatosis using blood tests and pathogenic variables. We evaluated the proposed method using a dataset from the AACR GENIE project and compared its performance with modern approaches. Our proposed approach outperformed existing models with 99.86% accuracy. We also conducted NF1 and interpretable AI tests to validate our approach. Our work provides an explainable approach model using logistic regression and explanatory stimulus as well as a black-box model. The explainable models help to explain the predictions of black-box models while the glass-box models provide information about the best-fit features. Overall, our study presents an interpretable AI approach for diagnosing patients with neurofibromatosis and demonstrates the potential of AI in the medical field.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI