బ్లిస్ సింఘాల్, ఫ్ను పూజ
మెషిన్ లెర్నింగ్ (ML) అనేది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) యొక్క శాఖ, ఇక్కడ కంప్యూటర్లు డేటాను విశ్లేషించి డేటాలోని నమూనాలను కనుగొంటాయి. MLని ఉపయోగించి మెటాస్టాటిక్ క్యాన్సర్‌ను గుర్తించడంపై అధ్యయనం దృష్టి సారిస్తుంది. మెటాస్టాటిక్ క్యాన్సర్ అనేది క్యాన్సర్ శరీరంలోని ఇతర భాగాలకు వ్యాపించే పాయింట్ మరియు ఇది దాదాపు 90% క్యాన్సర్ సంబంధిత మరణాలకు కారణం. సాధారణంగా, పాథాలజిస్టులు కణితులు నిరపాయమైనవా లేదా ప్రాణాంతకమైనవా అని మాన్యువల్‌గా వర్గీకరించడానికి ప్రతిరోజూ గంటలు గడుపుతారు. ఈ దుర్భరమైన పని 60% కంటే ఎక్కువ సమయం మెటాస్టాసిస్‌ను తప్పుగా లేబుల్ చేయడానికి దోహదపడుతుంది మరియు మానవ తప్పిదాలు మరియు ఇతర అసమర్థతలను గురించి తెలుసుకోవడం యొక్క ప్రాముఖ్యతను నొక్కి చెబుతుంది. వేలాది మంది ప్రాణాలను కాపాడే మెటాస్టాటిక్ క్యాన్సర్ యొక్క సరైన గుర్తింపును మెరుగుపరచడానికి ML మంచి అభ్యర్థి మరియు ప్రక్రియ యొక్క వేగం మరియు సామర్థ్యాన్ని మెరుగుపరుస్తుంది, తద్వారా తక్కువ వనరులు మరియు సమయాన్ని తీసుకుంటుంది. ఇప్పటివరకు, క్యాన్సర్‌ను గుర్తించే పరిశోధనలో AI యొక్క డీప్ లెర్నింగ్ మెథడాలజీని ఉపయోగించారు. ఈ అధ్యయనం మెటాస్టాటిక్ క్యాన్సర్‌ను గుర్తించడంలో వర్గీకరణ అల్గారిథమ్‌లతో కలిపి ప్రీప్రాసెసింగ్ అల్గారిథమ్‌లను ఉపయోగించడం యొక్క సామర్థ్యాన్ని గుర్తించడానికి ఒక నవల విధానం. అధ్యయనం రెండు ప్రీప్రాసెసింగ్ అల్గారిథమ్‌లను ఉపయోగించింది: ప్రిన్సిపల్ కాంపోనెంట్ అనాలిసిస్ (PCA) మరియు డేటాసెట్ యొక్క పరిమాణాన్ని తగ్గించడానికి జన్యు అల్గారిథమ్, ఆపై మూడు వర్గీకరణ అల్గారిథమ్‌లను ఉపయోగించింది: లాజిస్టిక్ రిగ్రెషన్, డెసిషన్ ట్రీ క్లాసిఫైయర్ మరియు k-సమీప పొరుగువారు మెటాస్టాటిక్ క్యాన్సర్‌ను గుర్తించడం. పాథాలజీ స్కాన్లు. PCA, జన్యు అల్గారిథమ్ మరియు k-సమీప పొరుగువారి అల్గారిథమ్‌లతో కూడిన ML పైప్‌లైన్ ద్వారా అత్యధిక ఖచ్చితత్వం 71.14% ఉత్పత్తి చేయబడింది, ప్రీప్రాసెసింగ్ మరియు వర్గీకరణ అల్గారిథమ్‌లు మెటాస్టాటిక్ క్యాన్సర్‌ను గుర్తించడంలో గొప్ప సామర్థ్యాన్ని కలిగి ఉన్నాయని సూచిస్తున్నాయి.