計算知能とアンサンブル学習を用いた効率的な肺癌検出
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Efficient lung cancer detection using computational intelligence and ensemble learning
雑誌名：PLoS One. 2024; 19(9): e0310882. doi: 10.1371/journal.pone.0310882. Epub 2024 Sep 27.
概 要：
肺癌は現在の世代における癌関連死亡の主要因であり、早期の症状検出が効果的な治療にとって重要です。本研究では、計算知能の最新の進展を活用し、資源の利用を最大化するエコロジカルな肺癌治療プロトタイプモデルを開発します。また、患者に適切なケアを提供するための医療用IoT（IoMT）に基づく統合フレームワークを提案します。提案手法は、ロジスティック回帰、MLP分類器、ガウシアンNB分類器、K-Meansおよびファジィ論理を用いたインテリジェント特徴選択を用いて肺癌データセットの検出手順を強化し、投票分類器を通じてアンサンブル学習を組み込みます。ハイパーパラメータのチューニングを行い、98.50%の精度を達成しました。このアプローチは、時間とコストの大幅な節約が期待されます。
方 法：
本研究では、肺癌データセットを用いたコホート研究を行い、ロジスティック回帰、MLP分類器、ガウシアンNB分類器、K-Meansおよびファジィ論理を用いた特徴選択を組み合わせた手法を採用しました。アンサンブル学習は投票分類器を通じて実施され、ハイパーパラメータのチューニングにはグリッドサーチを用いました。
結 果：
提案したモデルは、既存のNB、J48、SVM手法と比較して、98.50%の精度を達成しました。この結果は、計算知能とIoMTを活用した肺癌治療の効率性向上の可能性を示しています。
結 論：
計算知能とIoMTを活用したアプローチは、肺癌の効率的かつ資源効率の良い治療法の開発において重要な可能性を持つことが示されました。