Artificial intelligence-based models enabling accurate diagnosis of ovarian cancer using laboratory tests in China: a multicentre, retrospective cohort study

卵巢癌 医学 回顾性队列研究 队列 癌症 肿瘤科 内科学 医学物理学 人工智能 妇科 计算机科学
作者
Guangyao Cai,Fangjun Huang,Yue Gao,Xiao Li,Jianhua Chi,Jincheng Xie,Linghong Zhou,Yanling Feng,He Huang,Ting Deng,Yun Zhou,Chuyao Zhang,Xiaolin Luo,Xing Xie,Qinglei Gao,Xin Zhen,Jihong Liu
出处
期刊:The Lancet Digital Health [Elsevier BV]
卷期号:6 (3): e176-e186 被引量:17
标识
DOI:10.1016/s2589-7500(23)00245-5
摘要

Ovarian cancer is the most lethal gynecological malignancy. Timely diagnosis of ovarian cancer is difficult due to the lack of effective biomarkers. Laboratory tests are widely applied in clinical practice, and some have shown diagnostic and prognostic relevance to ovarian cancer. We aimed to systematically evaluate the value of routine laboratory tests on the prediction of ovarian cancer, and develop a robust and generalisable ensemble artificial intelligence (AI) model to assist in identifying patients with ovarian cancer.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
naruy发布了新的文献求助10
1秒前
lzl17o8完成签到,获得积分10
1秒前
LV完成签到 ,获得积分10
3秒前
lzl17o8发布了新的文献求助10
5秒前
dadad发布了新的文献求助10
7秒前
7秒前
8秒前
9秒前
gmchen完成签到,获得积分10
12秒前
英姑应助科研通管家采纳,获得10
13秒前
科研通AI5应助爱听歌笑寒采纳,获得10
13秒前
wonder123应助科研通管家采纳,获得10
13秒前
wuhzh发布了新的文献求助10
13秒前
13秒前
科研通AI5应助科研通管家采纳,获得10
13秒前
13秒前
完美世界应助科研通管家采纳,获得10
13秒前
kai发布了新的文献求助10
13秒前
Zx完成签到 ,获得积分10
14秒前
17秒前
ZHU完成签到 ,获得积分10
18秒前
666发布了新的文献求助10
18秒前
仁爱柠檬完成签到,获得积分10
19秒前
Zhaoyuemeng完成签到 ,获得积分10
20秒前
卿莞尔完成签到 ,获得积分10
21秒前
21秒前
动漫大师发布了新的文献求助10
24秒前
顾矜应助xc采纳,获得10
28秒前
29秒前
鱼叮叮完成签到,获得积分10
34秒前
36秒前
小二郎应助study采纳,获得10
37秒前
乐乐应助笑笑采纳,获得10
39秒前
39秒前
Orange应助cff采纳,获得10
41秒前
43秒前
47秒前
48秒前
丸橙发布了新的文献求助30
49秒前
在水一方应助dadad采纳,获得10
49秒前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
Continuum Thermodynamics and Material Modelling 2000
Encyclopedia of Geology (2nd Edition) 2000
105th Edition CRC Handbook of Chemistry and Physics 1600
Maneuvering of a Damaged Navy Combatant 650
Периодизация спортивной тренировки. Общая теория и её практическое применение 310
Mixing the elements of mass customisation 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3778761
求助须知:如何正确求助?哪些是违规求助? 3324313
关于积分的说明 10217843
捐赠科研通 3039436
什么是DOI,文献DOI怎么找? 1668081
邀请新用户注册赠送积分活动 798544
科研通“疑难数据库(出版商)”最低求助积分说明 758401