محققان در مطالعهای جدید، قدرت مدلهای یادگیری ماشین (مثل Random Forest و XGBoost) را برای پیشبینی وضعیت گیرنده استروژن (ER) در سرطان سینه به چالش کشیدند.
نکته کلیدی این تحقیق، ترکیب دادههای «چند-امیکس» (شامل ترانسکریپتومیک، ژنومیک و پروتئومیک) است که دقت پیشبینی را به شکل چشمگیری افزایش داده است. در این بررسی، مدل Random Forest با دقت ۹۰.۳ درصد توانست عملکردی درخشان در تحلیل دادههای پیچیده زیستی از خود نشان دهد. این گام بزرگی برای شخصیسازی درمانهای سرطانی با کمک الگوریتمهای هوشمند است. 🩺✨
منبع: arXiv AI