Рак груди (рак молочной железы) — это злокачественное новообразование, возникающее в тканях молочной железы. Это одно из самых распространённых онкологических заболеваний у женщин во всём мире. Болезнь может развиваться как медленно, так и агрессивно, распространяясь на лимфатические узлы и другие органы.
") на основе данных Wisconsin Diagnostic Breast Cancer. MSCOA был создан для преодоления недостатков базового алгоритма COA, таких как снижение разнообразия популяции, склонность к преждевременной сходимости и ограниченные возможности поиска глобального оптимума. Для этого внедрены новые механизмы: хаотическая обратная инициализация для более равномерного распределения исходных решений, адаптивная t-распределённая стратегия кормления для увеличения разнообразия и эффективности локального поиска, коэффициент ускорения роста кривой для оптимального баланса между глобальными и локальными решениями, гибридное косинусно-экспоненциальное взвешивание для динамического управления интенсивностью поиска и метод обратного усиления для выхода из локальных минимумов. Эти усовершенствования позволили алгоритму одновременно глубоко исследовать пространство поиска и избегать зацикливания на частичных решениях. При тестировании на бенчмарках CEC2005 и CEC2019 MSCOA показал более высокую скорость сходимости и устойчивость к локальным ловушкам по сравнению с современными алгоритмами, включая GWO, DBO, SABO и APO. Критерий суммы рангов Уилкоксона подтвердил статистически значимое превосходство MSCOA (p < 0,05) в большинстве тестов. При интеграции с ELM алгоритм MSCOA выполняет оптимизацию весов и смещений нейросети, что позволяет достичь максимальной точности классификации. В задаче прогнозирования рака груди на наборе данных WDBC гибридная модель MSCOA-ELM достигла 100% точности, полноты, прецизионности и оценки F1, значительно превысив показатели базовой ELM (точность 71%). Высокие значения AUC и ROC-кривой подтверждают исключительную способность модели различать злокачественные и доброкачественные случаи. Особое внимание уделено тестированию на зашумленных данных с гауссовским шумом и случайной инверсией меток. Даже в условиях, приближенных к реальным клиническим, MSCOA-ELM сохраняла точность свыше 90%, демонстрируя устойчивость к ошибкам измерений и помехам. Это критично для медицинских систем, работающих с неполными или искажёнными данными. Практическое значение MSCOA-ELM для здравоохранения заключается в возможности использовать его как основу для интеллектуальных систем раннего [скрининга](https://omrst.ru/glossary/screening "Скрининг — это профилактическое медицинское обследование, направленное на раннее выявление заболеваний у людей без выраженных симптомов. Его главная цель — обнаружить патологические изменения на стадии, когда лечение наиболее эффективно и позволяет избежать осложнений.
") рака груди, интегрированных в медицинские информационные системы. Такой подход обеспечивает: высокую скорость анализа, минимизацию ложноположительных и ложноотрицательных результатов, устойчивую работу при неполных или зашумленных данных, масштабируемость для обработки больших массивов информации. В будущем планируется адаптация MSCOA-ELM для многокритериальной оптимизации, расширение применения на другие онкологические нозологии, включая рак матки, разработка лёгких версий алгоритма для встраиваемых медицинских устройств, а также интеграция с облачными системами хранения и анализа данных для дистанционного мониторинга пациентов. Таким образом, гибрид MSCOA-ELM демонстрирует, что объединение алгоритмов оптимизации и машинного обучения способно вывести медицинскую диагностику на новый уровень, обеспечивая максимально точное, быстрое и устойчивое прогнозирование рака груди, что напрямую влияет на выживаемость и качество жизни пациенток. **Ссылка:** «Гибридная стратегия усовершенствовала алгоритм оптимизации раков для прогнозирования рака молочной железы» [ DOI 10.1038/s41598-025-11129-0.](https://www.nature.com/articles/s41598-025-11129-0 "DOI: 10.1038/s41598-025-11129-0") - Связанные статьи: [Искусственный интеллект и анализ отдельных клеток: новый метод прогнозирования выживаемости при раке груди](https://omrst.ru/227,2026) | [Искусственный интеллект ускорил диагностику рака груди по крови до 10 минут](https://omrst.ru/187,2025) | [Когерентное ультразвуковое исследование повышает точность диагностики рака груди](https://omrst.ru/212,2025) | [Прорыв в лечении агрессивного рака груди: новая молекула SU212 блокирует рост опухолей](https://omrst.ru/195,2025) | [Холестерин как скрытый союзник рака груди: новое открытие учёных открывает путь к прорывной терапии](https://omrst.ru/202,2025) - Похожие материалы: [Машинное обучение и нанобиосенсоры в борьбе с раком груди: как ИИ улучшает диагностику и прогноз](https://omrst.ru/38,2025) | [Мочевой анализ ДНК как прорыв в прогнозе рецидива рака мочевого пузыря после иммунотерапии](https://omrst.ru/26,2025) | [Неинвазивный прогноз выживаемости при трижды негативном раке груди: 20-признаковая МРТ-сигнатура заменяет молекулярный анализ](https://omrst.ru/83,2025) Загрузка следующей статьи... ## Schema ```json { "@context": "https://schema.org", "@graph": [ { "@type": "WebSite", "@id": "https://omrst.ru/#website", "url": "https://omrst.ru/", "name": "ОРМСТ", "inLanguage": "ru-RU" }, { "@type": "CollectionPage", "@id": "https://omrst.ru/news#collection", "url": "https://omrst.ru/news", "name": "Новости ИИ-диагностики рака и бесплодия", "isPartOf": { "@id": "https://omrst.ru/#website" }, "description": "Новости ОРМСТ: ИИ-диагностика рака груди и рака матки, анализ эндометрия, технологии выявления бесплодия и инновации в медицинской диагностике.", "inLanguage": "ru-RU" }, { "@type": "Blog", "@id": "https://omrst.ru/news#blog", "url": "https://omrst.ru/news", "name": "Новости ОРМСТ", "description": "Новости ИИ-диагностики рака груди, рака матки, анализа эндометрия и технологий выявления бесплодия.", "isPartOf": { "@id": "https://omrst.ru/news#collection" }, "inLanguage": "ru-RU" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "ОРМСТ – прорывные решения в диагностике рака и репродуктологии", "item": "https://omrst.ru" }, { "@type": "ListItem", "position": 2, "name": "Новости", "item": "https://omrst.ru/news" }, { "@type": "ListItem", "position": 3, "name": "Гибридный алгоритм MSCOA-ELM: новый шаг в прогнозировании рака груди с точностью 100%", "item": "https://omrst.ru/106,2025" } ] } ``` ```json { "@context": "https://schema.org", "@type": "Article", "mainEntityOfPage": { "@type": "WebPage", "@id": "https://omrst.ru/106,2025" }, "headline": "Гибридный алгоритм MSCOA-ELM: новый шаг в прогнозировании рака груди с точностью 100%", "description": "В современной медицине точность прогнозирования и ранней диагностики онкологических заболеваний становится ключевым фактором успешного лечения. Одним из перспективных направлений является применение гибридных интеллектуальных систем, которые объединяют метаэвристические алгоритмы оптимизации и методы машинного обучения. Недавнее исследование представило усовершенствованный алгоритм оптимизации речных раков — MSCOA (Multi-Strategy Crayfish Optimization Algorithm), интегрированный с экстремальной машиной обучения (Extreme Learning Machine, ELM) для прогнозирования рака груди на основе данных Wisconsin Diagnostic Breast Cancer.", "image": { "@type": "ImageObject", "url": "https://omrst.ru/images/img_25/3a002393-0675-4ffa-a584-ca332e40b30d.jpg" }, "publisher": { "@type": "Organization", "name": "Облачные решения в медицине - спектроскопия и термография", "logo": { "@type": "ImageObject", "url": "https://omrst.ru/images/stai_2_1.png" } }, "author": { "@type": "Person", "name": "Научный автор", "url": "https://omrst.ru/contact-us" }, "datePublished": "2025-08-11T06:28:34+03:00", "dateCreated": "2025-08-11T06:28:34+03:00", "dateModified": "2025-08-11T06:28:34+03:00" } ```