Important Features Identification for Prostate Cancer Patients Stratification Using Isolation Forest and Interactive Clustering Method
Notice bibliographique
Résumé
Prostate-specific Antigen (PSA) levels are commonly used to screen prostate cancer patients. However, because of the wide range of PSA levels in men, the classification results pertain to extensive false positives and false negatives that may impact the patient treatment. This paper presents a method to cluster prostate cancer patient clinical and demographics data into homogenous groups to support prostate cancer patients' classification with high accuracy. The proposed method is based on the isolation forest and interactive (two-step) clustering algorithm. We further analyze each group for commonalities and differences. The dataset used in this paper is collected from participants enrolled in the Alberta Prostate Cancer Research Initiative (APCaRI) study, which includes (after pre-processing) 2,878 patients with 20 clinical and demographics variables. The APCaRI study enrolled the population of men undergoing prostate cancer diagnosis in Calgary and Edmonton, Canada. These patients are referred for a diagnostic biopsy based on conventional clinical guidelines (e.g., elevated PSA or abnormal digital rectal examination). The data contains three different PSA levels measured at three follow-up times and the initial screening PSA level. The analysis results show that the PSA levels are a significant factor within each group, and there is a significant overlap between PSA levels between groups, and it may not be the best factor to classify prostate cancer patients. The data's majority group has PSA levels (10.83%, 10.44%, and 10.14%) smaller than the remaining groups. This paper concludes that it is maybe better to design an independent classifier per group to identify prostate cancer patients from clinical and demographics data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».