Vorhersage der Prognose von Brustkrebs durch die Integration klinischer und Mikromatrixdaten mit Bayes'schen Netzen

Wir haben drei Methoden zur Integration klinischer und Mikromatrixdaten evaluiert: Entscheidungsintegration, partielle Integration und vollständige Integration, und diese verwendet, um öffentlich verfügbare Daten über Brustkrebspatienten in eine Gruppe mit schlechter und eine Gruppe mit guter Prognose zu klassifizieren. Die partielle Integrationsmethode zeigt das vielversprechendste Ergebnis und hat einen unabhängigen Testdatensatz mit einer Fläche unter der ROC-Kurve von 0,845. Nach der Auswahl eines Betriebspunkts ist die Klassifikationsleistung besser als die häufig verwendeten Indizes.