PulseAugur
中
实时 09:41:06
English(EN) Copula Based Fusion of Clinical and Genomic Machine Learning Risk Scores for Breast Cancer Risk Stratification

基于 Copula 的临床和基因组评分融合可改善乳腺癌风险分层

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种使用 copula 函数融合临床和基因组风险评分以进行乳腺癌分层的新方法。虽然与仅使用临床评分相比，该方法并未提高预测准确性（ROC-AUC），但它清晰地描述了两种评分之间的依赖关系。该研究利用了 METABRIC 和 TCGA 数据集，并强调，在临床和基因表达两方面评分都高的患者预后最差，这表明联合分组分析在理解风险方面具有价值。 AI

影响 这项研究为在医学风险预测中结合不同数据源提供了一种新的方法学途径，有望提高可解释性和联合分组分析。

排序理由 该集群包含一篇学术论文，详细介绍了机器学习在医学风险分层方面的一项新方法学研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

基于 Copula 的临床和基因组评分融合可改善乳腺癌风险分层

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Agnideep Aich, Sameera Hewage, Md Monzur Murshed ·

    基于Copula的临床和基因组机器学习风险评分融合用于乳腺癌风险分层

    arXiv:2511.17605v2 Announce Type: replace-cross Abstract: Clinical and gene-expression models predict breast cancer outcomes, but simple linear fusion ignores dependence between their risk scores. Using METABRIC, we tested whether modeling the joint distribution of clinical and g…

相关实体

相关话题