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]
卷期号:6 (3): e176-e186 被引量:13
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
胡天萌发布了新的文献求助10
1秒前
Grinder完成签到 ,获得积分10
2秒前
MADKAI发布了新的文献求助20
2秒前
圆滑的铁勺完成签到,获得积分10
3秒前
3秒前
3秒前
zhangting完成签到,获得积分10
4秒前
AAAAAAAAAAA完成签到,获得积分10
4秒前
vvvvvvv完成签到,获得积分10
4秒前
4秒前
wanyanjin应助1111采纳,获得10
4秒前
gaos发布了新的文献求助10
5秒前
小吴完成签到,获得积分10
6秒前
迟大猫应助Star1983采纳,获得10
6秒前
chinning完成签到,获得积分10
7秒前
Mon_zh发布了新的文献求助20
7秒前
7秒前
漂亮送终完成签到,获得积分10
7秒前
朴素篮球发布了新的文献求助10
8秒前
天才完成签到 ,获得积分10
8秒前
不喝可乐发布了新的文献求助10
8秒前
9秒前
皮尤尤发布了新的文献求助10
9秒前
10秒前
道中道完成签到,获得积分10
11秒前
11秒前
知之然完成签到,获得积分10
11秒前
研友_n2QP2L完成签到,获得积分10
11秒前
Lucas应助安静听白采纳,获得10
11秒前
CC发布了新的文献求助10
11秒前
星辰大海应助系统提示采纳,获得10
12秒前
12秒前
sss完成签到,获得积分10
12秒前
12秒前
板凳完成签到,获得积分10
13秒前
单纯访枫发布了新的文献求助30
13秒前
bin0920发布了新的文献求助10
13秒前
aaaaaa完成签到,获得积分10
14秒前
tangsuyun完成签到,获得积分20
14秒前
MADKAI发布了新的文献求助50
14秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527469
求助须知:如何正确求助?哪些是违规求助? 3107497
关于积分的说明 9285892
捐赠科研通 2805298
什么是DOI,文献DOI怎么找? 1539865
邀请新用户注册赠送积分活动 716714
科研通“疑难数据库(出版商)”最低求助积分说明 709678