机器学习预测20种癌症风险，临床获益待验证

Paul-Henry Koop及其国际团队开发了约500个机器学习模型，用常规健康数据预测20种常见癌症风险；回顾性研究显示，其预测表现优于传统统计方法，但能否促进早诊或改善结局仍待验证。 研究在ESMO 2026大会报告，纳入463,620名英国生物样本库参与者，随访约18年，使用血液检查、病史及生活方式等信息。对可由常规临床数据预测的癌症合并终点，15年预测AUROC为0.83；为减少未确诊疾病的影响，相关模型排除了首年确诊的癌症。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。