Data Mining in Clinical Oncology: Applications, Predictions, and Outcomes in Diagnosis and Treatment
Gross, Alexander |
Recenzentas / Reviewer | |
Konsultantas / Consultant | |
Komisijos pirmininkas / Committee Chairman | |
Komisijos narys / Committee Member | |
Komisijos narys / Committee Member |
Background: Data mining can be used to extract usable data from a greater set of raw data and provide a better understanding of disease classification. Cancer puts an enormous burden, both on our societies and healthcare systems worldwide. The aim of this work is to identify useful clinical applications of data mining algorithms in clinical oncology. Methods: We identified 815 relevant studies in 3 databases and included 78 of them in our literature review according to the PRISMA guidelines. Results and conclusion: Data mining techniques have a wide array of applications in Oncology. Big data and data mining have the possibility to deliver evidence-based results in a fast and efficient way. They are successfully employed to achieve predictions about pathology, and survivability, can provide accurate diagnosis and classifications, and can help in automated evaluation of clinical images.
Duomenų gavyba yra taikoma norint išgauti svarbiausius duomenis iš didesnių, neapdorotų duomenų rinkinių ir tiksliau, bei greičiau atlikti ligų diagnostiką. Vėžiniai susirgimai yra vieni sunkiausių susirgimų mūsų visuomenėje, ir sukelia itin didelę naštą sveikatos priežiūros sistemai visame pasaulyje. Šio darbo tikslas yra nustatyti naudingiaus duomenų gavybos algoritmus pritaikomus klinikinėje praktikoje siekiant efektyvesnių diagnostinių išeičių onkologijoje.