ブリス・シンガル、フヌ・プージャ
機械学習（ML）は人工知能（AI）の一分野であり、コンピューターがデータを分析し、データ内のパターンを見つけます。この研究は、MLを使用した転移性癌の検出に焦点を当てています。転移性癌は、癌が体の他の部分に広がった時点で、癌関連死亡の約90％の原因となっています。通常、病理学者は腫瘍が良性か悪性かを手動で分類するために毎日何時間も費やしています。この退屈な作業は、転移の誤った分類に60％以上の時間を費やす一因となっており、人的エラーやその他の非効率性に注意することの重要性を強調しています。MLは、転移性癌の正確な識別を改善して何千人もの命を救うための優れた候補であり、プロセスの速度と効率を改善して、リソースと時間を削減することもできます。これまで、AIのディープラーニング方法論は、癌を検出する研究で使用されてきました。この研究は、転移性癌の検出における分類アルゴリズムと組み合わせた前処理アルゴリズムの使用の可能性を判断するための新しいアプローチです。この研究では、データセットの次元を削減するために主成分分析 (PCA) と遺伝的アルゴリズムの 2 つの前処理アルゴリズムを使用し、病理スキャンで転移性癌を検出するためにロジスティック回帰、決定木分類器、k 近傍法の 3 つの分類アルゴリズムを使用しました。最高精度の 71.14% は、PCA、遺伝的アルゴリズム、k 近傍法のアルゴリズムで構成される ML パイプラインによって生成され、前処理と分類アルゴリズムが転移性癌の検出に大きな可能性を秘めていることを示唆しています。