Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Decision making on vestibular schwannoma treatment: predictions based on machine-learning analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00064203%3A_____%2F21%3A10431688" target="_blank" >RIV/00064203:_____/21:10431688 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68378041:_____/21:00551108 RIV/00216208:11110/21:10431688 RIV/61384399:31160/21:00056876 RIV/68407700:21460/21:00353364 a 3 dalších

  • Výsledek na webu

    <a href="https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=SVKi0lhr._" target="_blank" >https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=SVKi0lhr._</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1038/s41598-021-97819-x" target="_blank" >10.1038/s41598-021-97819-x</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Decision making on vestibular schwannoma treatment: predictions based on machine-learning analysis

  • Popis výsledku v původním jazyce

    Decision making on the treatment of vestibular schwannoma (VS) is mainly based on the symptoms, tumor size, patient&apos;s preference, and experience of the medical team. Here we provide objective tools to support the decision process by answering two questions: can a single checkup predict the need of active treatment?, and which attributes of VS development are important in decision making on active treatment? Using a machine-learning analysis of medical records of 93 patients, the objectives were addressed using two classification tasks: a time-independent case-based reasoning (CBR), where each medical record was treated as independent, and a personalized dynamic analysis (PDA), during which we analyzed the individual development of each patient&apos;s state in time. Using the CBR method we found that Koos classification of tumor size, speech reception threshold, and pure tone audiometry, collectively predict the need for active treatment with approximately 90% accuracy; in the PDA task, only the increase of Koos classification and VS size were sufficient. Our results indicate that VS treatment may be reliably predicted using only a small set of basic parameters, even without the knowledge of individual development, which may help to simplify VS treatment strategies, reduce the number of examinations, and increase cause effectiveness.

  • Název v anglickém jazyce

    Decision making on vestibular schwannoma treatment: predictions based on machine-learning analysis

  • Popis výsledku anglicky

    Decision making on the treatment of vestibular schwannoma (VS) is mainly based on the symptoms, tumor size, patient&apos;s preference, and experience of the medical team. Here we provide objective tools to support the decision process by answering two questions: can a single checkup predict the need of active treatment?, and which attributes of VS development are important in decision making on active treatment? Using a machine-learning analysis of medical records of 93 patients, the objectives were addressed using two classification tasks: a time-independent case-based reasoning (CBR), where each medical record was treated as independent, and a personalized dynamic analysis (PDA), during which we analyzed the individual development of each patient&apos;s state in time. Using the CBR method we found that Koos classification of tumor size, speech reception threshold, and pure tone audiometry, collectively predict the need for active treatment with approximately 90% accuracy; in the PDA task, only the increase of Koos classification and VS size were sufficient. Our results indicate that VS treatment may be reliably predicted using only a small set of basic parameters, even without the knowledge of individual development, which may help to simplify VS treatment strategies, reduce the number of examinations, and increase cause effectiveness.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    30206 - Otorhinolaryngology

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA19-08241S" target="_blank" >GA19-08241S: Změny ve sluchové kůře u pacientů s jednostrannou hluchotou</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Scientific Reports

  • ISSN

    2045-2322

  • e-ISSN

    2045-2322

  • Svazek periodika

    11

  • Číslo periodika v rámci svazku

    September

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    14

  • Strana od-do

    18376

  • Kód UT WoS článku

    000696347000073

  • EID výsledku v databázi Scopus

    2-s2.0-85115245768