Benchmarking Machine Learning Models for Multi-Omics-Based Breast Cancer Prediction
Diese Studie vergleicht verschiedene klassische Modelle des maschinellen Lernens auf TCGA-BRCA Multi-Omics-Daten zur Vorhersage des Estrogenrezeptor-Status bei Brustkrebs und stellt fest, dass Random Forest die höchste Leistung (90,3 % balancierte Genauigkeit) erzielte, indem es transkriptomische, genomische und proteomische Merkmale effektiv integrierte und gleichzeitig biologisch relevante Gene identifizierte.