MedElevator Войти в исследования
← Поиск публикаций

DOI 10.1016/j.ctro.2026.101165

Медицинская библиотека · Clinical and translational radiation oncology · 2026

Artificial intelligence (AI) for early identification of radiotherapy related toxicities from the electronic health records of patients with head and neck cancer.

Liu Anne, Alfadli Faisal, Mathew John Mohan, Parmelee Samantha, Waldron John, Kwan Jennifer Y Y, Aviv Steven, Nguyen Michelle Ml, Mokriak Viktoriia, Pettengell Christopher, Wong Philip

СтатьяПеревод в очереди

Аннотация

We evaluated artificial intelligence (AI) for detecting osteoradionecrosis, fibrosis, trismus, and dysphagia in 207 head and neck cancer patient electronic health records. After adjudication and fine-tuning, accuracy reached 87% (F1 = 0.92). The model processed 20,835 sentences within seconds, demonstrating feasibility and efficiency for automating the identification of radiation-related late toxicities.

Для цитирования: Liu Anne, Alfadli Faisal, Mathew John Mohan, Parmelee Samantha, Waldron John, Kwan Jennifer Y Y, Aviv Steven, Nguyen Michelle Ml, Mokriak Viktoriia, Pettengell Christopher, Wong Philip. Artificial intelligence (AI) for early identification of radiotherapy related toxicities from the electronic health records of patients with head and neck cancer.. Clinical and translational radiation oncology. 2026. DOI: 10.1016/j.ctro.2026.101165.
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.