一篇新发表在arXiv上的研究论文提出了一种名为“生存感知贝叶斯网络”的方法，以改进临床预后建模。该方法解决了生存结局二值化的局限性，这种常见做法可能导致审查患者被排除以及时间信息的丢失。通过用Cox偏对数似然替换二值评分函数，“生存感知贝叶斯网络”可以识别二值化方法所遗漏的预后特征，这在涉及头颈癌、乳腺癌、结直肠癌和肾癌的研究中得到了证明。 AI
影响 这项研究提出了一种更稳健的临床预后方法，通过更好地利用事件发生时间数据，有可能改善患者的治疗效果。
排序理由 发表在arXiv上的研究论文，详细介绍了一种新的临床预后建模方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bayesian network
- breast cancer
- colorectal cancer
- Cox partial log-likelihood
- head and neck cancer
- kidney cancer
- Survival-Aware Bayesian network
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
