Acceso usuarios
Vera Cruz, Portugal
Bone cancer is a rare, fatal, and rapidly evolving condition, therefore early diagnosis, accurate characterization and effective treatment play a crucial role in optimizing the prognosis. In this context, Machine Learning (ML) techniques emerge as promising resources, offering advanced methods for analyzing complex data to support clinical decisions. This review aims to systematize the current state of application of ML techniques for diagnosis, prognosis, and treatment of primary bone cancer. Three databases (i.e., PubMed, Scopus, and Web of Science) were used to search for articles. As a result of the search, 207 articles were identified, of which 23 were included in the review. In terms of results, there is a growing interest in the application of ML techniques to aid the diagnosis, prognosis, and treatment of primary bone cancer. Regarding ML techniques, the most used were Random Forest (RF), Least Absolute Shrinkage and Selection Operator (LASSO), Support Vector Machine (SVM) and Convolutional Neural Networks (CNN). Despite the promising results reported by the included articles, the transition of these techniques to clinical practice still lacks robust evidence resulting from validation in real clinical environment.
O cancro ósseo é uma condição rara, fatal e de rápida evolução, pelo que o diagnóstico precoce, caracterização precisa e tratamento eficaz desempenham um papel crucial na otimização do prognóstico. Nesse contexto, as técnicas Machine Learning (ML) surgem como recursos promissores, oferecendo métodos avançados para a análise de dados complexos para suportar a decisão clínica. Esta revisão tem como objetivo sistematizar o estado atual da aplicação de técnicas ML para o diagnóstico, prognóstico e tratamento do cancro ósseo primário. Três bases de dados (i.e., PubMed, Scopus e Web of Science) foram utilizadas para a pesquisa dos artigos. Em resultado da pesquisa foram identificados 207 artigos, dos quais 23 foram incluídos na revisão. Em termos de resultados, observa-se um crescente interesse na aplicação de técnicas ML no auxílio ao diagnóstico, prognóstico e tratamento do cancro ósseo primário. No que concerne às técnicas ML, as mais utilizadas foram a Random Forest (RF), Least Absolute Shrinkage and Selection Operator (LASSO), Support Vector Machine (SVM) e Convolutional Neural Networks (CNN). Apesar dos resultados promissores reportados pelos artigos incluídos, a transição das referidas técnicas para a prática clínica carece ainda de evidência robusta resultante de validação em ambientes clínicos reais.
