BH-Index: Ein prädiktives System auf der Grundlage von Serum-Biomarkern und Ensemble-Learning für die Darmkrebs-Früherkennung im Rahmen der Reihenuntersuchung

Antonio Battistaa, Rosa Alessia Battistab, Federica Battistac, Gerardo
Iovaned,∗, Riccardo Emanuele Landie
aA.O.U. S. Giovanni di Dio e Ruggi d'Aragona, UOC Chir Urg, UOC Laboratorio Analisi,
Salerno, Italien
bIRCCS Ospedale San Raffaele, Universität Vita Salute S. Raffaele, Mailand, Italien
cIRCCS-Stiftung Policlinico San Matteo, Universität von Pavia, Pavia, Italien
dAbteilung für Informatik, Universität Salerno, Salerno, Italien
eAbteilung für Elektronik, Information und Bioengineering, Politecnico di Milano, Mailand,
Italien

Einführung
Kolorektales Karzinom (CRC) ist eine der häufigsten bösartigen Erkrankungen in der
der allgemeinen Bevölkerung und machen 10% aller diagnostizierten Krebserkrankungen aus. Darmkrebs stellt
der dritthäufigste bösartige Tumor bei Männern, während er bei Männern sogar nur an zweiter Stelle steht
Frauen nach Brustkrebs. Im Jahr 2020 wird die Inzidenz auf 19:100.0005 geschätzt.
weltweit, während die Sterblichkeitsrate 9,4% aller Krebserkrankungen ausmacht
Todesfälle [1]. In den letzten Jahrzehnten verzeichnete die Wissenschaft einen leichten Rückgang der
in der CRC-Inzidenz und -Mortalität, die vermutlich mit beiden Umsetzungen zusammenhängen
Massen-Screening-Programme und anschließende frühere Erkennung der Krankheit
im Anfangsstadium. Hämoglobin- und DNA-Veränderungen in Stuhlproben nachgewiesen10
ist neben der Endoskopie der am meisten verbreitete und empfohlene Screening-Test in
der allgemeinen Bevölkerung. Allerdings sind sie mit einer recht geringen Empfindlichkeit belastet
und Invasivität [2]. Aus diesem Grund ist die eventuelle Entwicklung von
neue minimalinvasive, hochempfindliche und spezifische Ansätze eine entscheidende Rolle.
Rolle bei der Erkennung der Krankheit im frühestmöglichen Stadium.

Künstliche Intelligenz stellte relevante Perspektiven der Lösung vor, insbesondere
insbesondere durch überwachtes maschinelles Lernen zur Annäherung an unbekannte
Muster unter den relevanten Daten. Signifikante Parameter können effizient und zuverlässig
Rückschlüsse auf den Gesundheitszustand der Patienten ermöglichen; Mustererkennung bei kolorektalen
Krebsdiagnose befindet sich in ständiger erheblicher Expansion [3, 4, 5, 6].20
In dieser Studie schlagen wir eine weitere Verbesserung des B-Index [7] vor, eines mathe-
Künstliche neuronale Netze und die erweiterte Realität für nicht-künstliche
invasive Frühdiagnose des kolorektalen Karzinoms. Wir standen vor dem Problem der Vorhersage von
Vorhandensein von Krebs und Stadieneinteilung durch Kombination der Ergebnisse
durch mehrere Modelle durch ein Ensemble-Lernen, d.h. die Mehrheitsentscheidung, ap-25
prozess [8]. Wir haben eine vergleichende Analyse der Leistungen durchgeführt, als binäre
und Staging-Prädiktoren, die von vier maschinellen Lernmodellen bereitgestellt werden: RF (Ran-
dom Forest) [9], XGB (XGBoost) [10], SVM (Support Vector Machine) [11],
und ANN (Künstliches Neuronales Netz) [12].

https://kliniksanktmoritz.ch/wp-content/uploads/2022/04/BH-INDEX-A-predictive-system-based-on-serum-biomarkers-and-ensemble-learning-for-early-colorectal-ancer-diagnosis-in-mass-screening.pdf