arXiv 机器学习· Shanwei Zhang, Qinghao Zhao, Yize Zhao, Jun Li, Yongchao Long, Jinshuai Gu, Ling Yang, Huaidong Du, Yiping Chen, Zhengming Chen, Dianjianyi Sun, Jun Lv, Liming Li, Iona Y. Millwood, Robin G. Walters, Canqing Yu, Yuxi Zhou, Shenyong Chen, Shenda Hong·· 16 小时前AI 评分38
ECG2Gene：基于心电图深度学习的胚系肿瘤易感基因风险评估
ECG2Gene: Deep Learning-Based Germline Tumor Susceptibility Gene Risk Assessment Using Electrocardiograms
AI 导读
深度学习框架 ECG2Gene 能够从常规 12 导联心电图提取胚系肿瘤易感数字表型，用于预测未来癌症风险。该框架针对 ATM、BRCA1 等 6 种基因变异生成评分，并通过 XGBoost 结合临床变量预测乳腺癌、卵巢癌和前列腺癌，在 UK Biobank 中的最佳 AUROC 分别达到 0.683、0.633 和 0.660。
来源：arXiv 机器学习 · arxiv.org