309283_ja-JP

liliconcom

精密医療のための機械学習とバイオマーカーサブグループ分析

 

方法を参照してください：

• 機械学習の基本を理解する
  • より多くの母集団からのデータサンプルを使用した統計モデリングと、データメカニズムが不明なアルゴリズムモデリング（機械学習）の違いを比較します
• 4種類のモデルを理解する
  • さまざまなアルゴリズムを使用するモデル（回帰、ツリーベースのモデル、ニューラルネットワーク）
  • さまざまなパラメーター設定を使用するモデル（グリッド検索、ランダム検索、遺伝的アルゴリズム）
  • さまざまな機能（特徴選択、特徴抽出、特徴エンジニアリング）を使用するモデル
  • トレーニングセットを展開するモデル（バギング、ブースティング、5分割交差検証）
• サブグループ分析の使用とサブグループ識別（特定の薬剤に適した患者を見つける）および最適な治療レジメン（特定の患者に最適な薬剤）の使用を理解する
• JMPゲノミクスを使用する
  • 入院時に収集されたデータに基づいて敗血症による死亡を予測する
  • FAPでの化学的予防療法治療に起因する正常組織とポリープ組織の分子発現の違いを特定する
  • サブグループ分析を使用して、以下を示す臨床測定値または代謝物バイオマーカーを見つける

• 資力

  • 統合された臨床メタボロミクスモデルは、敗血症における死亡の予測を改善しますケーススタディ
  • 関連しているJMPサクセスストーリーすべての分析の大部分でのJMPゲノミクスの使用について説明します

 

 

 

予測モデリングと機械学習