Applicazione mobile di machine learning per la rilevazione precoce del cancro ai polmoni
Immagine generata da Gemini AI
Una nuova ricerca ha confrontato nove algoritmi di classificazione per la rilevazione del cancro ai polmoni utilizzando l'applicazione NusaMiner. Analizzando un dataset di 309 registrazioni provenienti da Kaggle, lo studio ha rivelato che gli algoritmi Gradient Boosting e Random Forest hanno raggiunto un'accuratezza del 100%. NusaMiner ha il potenziale per migliorare la diagnosi precoce del cancro ai polmoni, offrendo una soluzione efficace ed efficiente per i servizi sanitari.
Applicazione di Apprendimento Automatico Mobile per la Rilevazione Precoce del Cancro ai Polmoni Mostra Risultati Promettenti
Un recente studio ha valutato le performance di nove algoritmi di classificazione nella rilevazione del cancro ai polmoni attraverso l'applicazione mobile NusaMiner. Lo studio ha utilizzato un dataset di Kaggle, composto da 309 record con 16 attributi relativi ai fattori di rischio e ai sintomi dei pazienti.
Risultati
I risultati hanno indicato che NusaMiner ha raggiunto un'accuratezza alta e stabile attraverso diversi rapporti di suddivisione dei dati. In particolare, gli algoritmi Gradient Boosting e Random Forest si sono distinti come i migliori, con tassi di accuratezza che hanno raggiunto il 100% in diversi scenari. Questo posiziona NusaMiner come una potenziale soluzione innovativa per migliorare la rilevazione precoce del cancro ai polmoni.
Implicazioni per la Salute
NusaMiner potrebbe migliorare significativamente la velocità e l'affidabilità delle diagnosi di cancro ai polmoni, portando potenzialmente a migliori risultati per i pazienti. La sua alta accuratezza lo rende uno strumento prezioso per i fornitori di servizi sanitari che implementano strategie di rilevazione precoce.
Argomenti correlati:
📰 Fonte originale: https://doi.org/10.37817/ikraith-informatika.v10i2.5474
Tutti i diritti e i crediti appartengono all'editore originale.