Abstract

A previsão de estadiamento do câncer no câncer de próstata é um processo para estimar a probabilidade de que o câncer se espalhou antes do tratamento é dado ao paciente. Embora importante para determinar a estratégia de gestão óptima do tratamento e mais adequado para pacientes, estadiamento continua a apresentar desafios significativos para os médicos. os resultados dos testes clínicos, tais como o nível de pré-tratamento Antígeno Prostático Específico (PSA), a biópsia padrão de tumor mais comum (Gleason primário) e o segundo padrão de tumor mais comum (padrão de Gleason Secundário) em biópsias de tecidos, ea fase T clínica pode ser utilizada pelos médicos para prever a fase patológica de cancro. No entanto, nem todo paciente retorne resultados anormais em todos os testes. Isto influencia significativamente a capacidade de prever de forma eficaz a fase do cancro da próstata. Aqui temos desenvolvido um modelo de inteligência computacional neuro-fuzzy para classificar e prever a probabilidade de um paciente com a doença de órgão-confinado (TOC) ou extra-prostática Doenças (ED), utilizando um conjunto de dados de paciente com câncer de próstata obtido a partir O Cancer Genome Atlas (TCGA ) Rede de Pesquisa. A entrada sistema consistia das seguintes variáveis: padrões de biópsia primário e secundário de Gleason, os níveis de PSA, a idade no momento do diagnóstico e estágio T clínica. O desempenho do sistema neuro-fuzzy foi comparado com outras abordagens baseadas em inteligência computacional, nomeadamente a Rede Neural Artificial, distorcido C-Meios, Support Vector Machine, os classificadores Naive Bayes, e também o AJCC pTNM Staging Nomograma que é comumente usado por médicos . Uma comparação entre os pontos Receiver Operating Characteristic (ROC) ideais que foram identificados utilizando estas abordagens, revelou que o sistema neuro-fuzzy, no seu ponto ideal, retorna maior área sob a curva ROC (AUC) a, com um baixo número de falsos positivos (FPR = 0,274, TPR = 0,789, AUC = 0,812). A abordagem proposta também é uma melhoria sobre o Staging Nomograma AJCC pTNM (

FPR

= 0,032,

TPR

= 0,197,

AUC

= 0,582).

Citação: Cosma G, Acampora G, Brown D, Rees RC, Khan M, Pockley AG (2016) Previsão de Patológica Stage em pacientes com câncer de próstata: Um modelo Neuro-fuzzy. PLoS ONE 11 (6): e0155856. doi: 10.1371 /journal.pone.0155856

editor: Daotai Nie, Faculdade de Medicina da Universidade de Southern Illinois, United States