Filtri
cris logo
-
Novo iskanje Filtri
Izberi iz seznama
Prikazano od Prikaži več
Dosegli ste najvišje možno število prikazanih rezultatov iskanja.
Prikazani so vsi rezultati
Za izvedeno iskanje ni na voljo rezultatov
Prikazano od
Dosegli ste najvišje možno število prikazanih rezultatov iskanja.
Prikazani so vsi rezultati
Nalaganje rezultatov
Pridobivanje statističnih podatkov

Projekti / Programi vir: ARRS

Model umetnih nevronskih mrež (artificial neural networks - ANN) - pomoč pri izbiri dopolnilnega zdravljenja pri bolnicah z rakom dojke

Uredi
Raziskovalna dejavnost

Koda Veda Področje Podpodročje
3.04.00  Medicina  Onkologija   

Koda Veda Področje
B520  Biomedicinske vede  Splošna patologija, patološka anatomija 
B200  Biomedicinske vede  Citologija, onkologija, kancerologija 
Ključne besede
umetne nevronske mreže, rak dojke
Vrednotenje (pravilnik)
vir: COBISS
Citiranost Citiranost bibliografskih zapisov v COBIB.SI, ki so povezani z zapisi citatnih baz
vir: WoS vir: Scopus vir: COBISS
Raziskovalci (6)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacij
1.  00702  dr. Marjan Budihna  Onkologija  Raziskovalec  2003 - 2005  125 
2.  15875  dr. Cvetka Grašič Kuhar  Onkologija  Mladi raziskovalec  2003 - 2005  220 
3.  20055  dr. Erika Matos  Onkologija  Raziskovalec  2003 - 2005  170 
4.  15835  mag. Bojana Pajk  Onkologija  Raziskovalec  2003 - 2005  86 
5.  20176  dr. Uroš Smrdel  Onkologija  Raziskovalec  2003 - 2005  109 
6.  11747  dr. Branko Zakotnik  Onkologija  Vodja  2003 - 2005  416 
Organizacije (1)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacij
1.  0302  ONKOLOŠKI INŠTITUT LJUBLJANA  Ljubljana  5055733000  14.280 
Povzetek
Klasično napovedovanje pri bolnicah s karcinomom dojke že desetletja temelji na razvrstitvi bolnic v stadije, ki upošteva TNM sistem (T-velikost tumorja, N-prizadetost bezgavk, M-prisotnost oddaljenih metastaz). Vendar prognozo poleg teh klasičnih patoloških krojijo tudi nekatere nove spremenljivke, ki kažejo na biološko agresivnost karcinoma dojke. Novejši napovedni modeli, ki vključujejo večje število spremenljivk, temeljijo na modelu umetnih nevronskih mrež (artificial neural networks - ANN), kar pomeni, da posnemajo delovanje nevronov v človeških možganih. Prednost modela ANN je, da se je sposoben na podlagi številnih kliničnih primerov naučiti, kakšen bo potek in izhod bolezni pri določenih značilnostih karcinoma dojke. Uporaben je za baze podatkov, kjer obstajajo večdimenzionalne spremenljivke, kjer porazdelitev ni nujno linearna in kjer se spremenljivke s časom spreminjajo. ANN model bolj natančno kot TNM sistem ali klasične statistične metode (Coxov model in metoda logistične regresije) napove izhod bolezni (npr. riziko relapsa ali preživetje). Na Onkološkem inštitutu v Ljubljani (Slovenija) želimo na podlagi lastne baze podatkov bolnic s karcinomom dojke vzpostaviti lasten model ANN. V takšen model ANN želimo poleg klinično-patoloških spremenljivk (klasičnih in nekaterih novejših markejev biološke agresivnosti) vključiti tudi podatke o vrsti dodatnega zdravljenja. Doslej objavljeni prispevki v ANN modelih redko vsebujejo vpliv vrste dodatnega zdravljenja na izhod karcinoma dojke, ali pa temelji analiza na zelo majhnem številu bolnic. Tako priučen in preverjen lasten model ANN bi lahko uporabljali pri kliničnem delu. Služil bi kot komplementarna metoda pri odločitvi o vrsti dodatnega zdravljenja, predvsem pri zapletenih kliničnih primerih. Obenem bi lahko služil bolnicam za predstavitev predvidenih prognoz (verjetnost ponovitve ali preživetja) ob izbiri različne vrste dodatnega zdravljenja v njenem konkretnem primeru.
Zahtevana je potrditev
Zgodovina ogledov
Priljubljeno