TY  - BOOK
AU  - Islam Mohamed Gaber Ismail, 
AU  - Mervat Hassan Gheith 
AU  - Tarek Abd El-Hafez Aly 
TI  - Using Machine Learning for Early Detection of  Hepatocellular Carcinoma among Hepatitis C  Patients
U1  - 005 
PY  - 2024///
KW  - Software Engineering
KW  - Hepatocellular Carcinoma
KW  - Hepatitis C
KW  - machine learning
N1  - Thesis (M.Sc.) -Cairo University, 2024.; Bibliography: pages 68-72.; Issued also as CD
N2  - Background/Aim: Hepatocellular carcinoma (HCC) is the third most frequent cause of cancer-related death worldwide and the sixth most frequent primary malignancy overall. Hepatitis C, hepatitis B virus, and non-alcoholic cirrhosis are only a few of the pre-existing diseases that can lead to HCC. Egypt with the highest prevalence rate in the world of the hepatitis C virus (HCV). The link between HCV and HCC is a crucial subject for investigation. HCC is a serious public health issue in Egypt. The government's widespread screening program for identifying and treating HCV may be a contributing factor in Egypt's rising rates of HCC discovery. In health facilities in Egypt, the care of HCC today frequently uses a multidisciplinary approach. There are several effective therapy options accessible in Egypt.
This thesis offers a ground-breaking and thorough investigation into how machine learning models can revolutionize the early identification of hepatocellular carcinoma (HCC) in people with hepatitis C. The most common type of primary liver cancer, known as hepatocellular carcinoma, poses a serious threat to world health, especially for those with hepatitis C, a virus that has a strong association with the development of liver cancer. This study project uses a varied and extensive dataset that includes a wide range of clinical features, laboratory test findings, and treatment histories to address this difficulty.
Methods: This study analyzed 8108 patients with HCV PCR Positive the dataset includes individual clinical laboratory variables. Statistical approaches were performed to select the significant features, four models were developed to achieve our objective based on
XgBoost classifier, Support Vector Machine (SVM), Decision Tree Classifier, GaussianNB Results: HCC varices were presence in 3543 (43.6%) patients and absent in 4565(56.3%) patients. from the analysis, it was found that thirteen variables out of Sixteen where significant predictors of (HCC) Hepatocellular carcinoma varices. XgBoost classifier model shows the best performance. It achieved 97 % area under receiver operating characteristic curves and 97 % accuracy. conclusion: Machine learning techniques were able to predict of HCC varices in HCV patients as alternative methods to diagnostic the using AFP test, and computerized tomography (CT) and  Magnetic resonance imaging (MRI). The experimental results show that the XgBoost achieved better results than the other three approaches
; سرطان الكبد (HCC) هو السبب الثالث الأكثر شيوعًا للوفاة المرتبطة بالسرطان على مستوى العالم، والسادس بين الأورام الأولية الأكثر شيوعًا. التهاب الكبد الوبائي سي (HCV)، والتهاب الكبد الوبائي بي، وتشمع الكبد غير الكحولي هي بعض الأمراض الموجودة مسبقًا التي يمكن أن تؤدي إلى HCC. مصر هي الدولة التي لديها أعلى معدل انتشار في العالم لفيروس التهاب الكبد الوبائي سي. الرابط بين HCV و HCC هو موضوع مهم للتحقيق. سرطان الكبد هو مشكلة صحية عامة خطيرة في مصر. قد يكون برنامج الفحص الواسع للحكومة لتحديد ومعالجة HCV عاملاً مساهماً في ارتفاع معدلات اكتشاف HCC في مصر. في المرافق الصحية في مصر، غالبًا ما يستخدم علاج سرطان الكبد النهج متعدد التخصصات. هناك عدة خيارات علاجية فعالة متاحة في مصر.

هذه الأطروحة تقدم:
تحقيقًا رائدًا وشاملاً في كيفية تمكين نماذج تعلم الآلة من ثورة في الكشف المبكر عن سرطان الكبد (HCC) بين المصابين بالتهاب الكبد الوبائي سي. النوع الأكثر شيوعًا من سرطان الكبد الأولي المعروف باسم سرطان الخلايا الكبدية يشكل تهديدًا خطيرًا على الصحة العالمية، خاصة بالنسبة لأولئك المصابين بالتهاب الكبد الوبائي سي، وهو فيروس له ارتباط قوي بتطور سرطان الكبد. يستخدم مشروع الدراسة هذا مجموعة بيانات متنوعة وشاملة تشمل مجموعة واسعة من الخصائص السريرية، ونتائج الاختبارات المخبرية، وتواريخ العلاج لمعالجة هذه المشكلة.
الطرق:
تم تحليل 8108 مرضى إيجابيي HCV PCR. تتضمن مجموعة البيانات المتغيرات المخبرية السريرية الفردية. تم استخدام الأساليب الإحصائية لاختيار الميزات الهامة، وتم تطوير أربعة نماذج لتحقيق هدفنا بناءً على:
XgBoost
آلة الدعم المتجهة (SVM)
شجرة القرار
GaussianNB
النتائج:
كان وجود سرطان الكبد موجودًا في 3543 مريضًا (43.6%) وغائبًا في 4565 مريضًا (56.3%). من التحليل، تم العثور على أن ثلاثة عشر متغيرًا من أصل ستة عشر كانت متنبئات هامة لسرطان الكبد. أظهر نموذج XgBoost الأداء الأفضل، حيث حقق 97% في منحنى خصائص التشغيل للمستقبل (AUC) و 97% دقة.
الخلاصة:
كانت تقنيات تعلم الآلة قادرة على التنبؤ بسرطان الكبد لدى مرضى HCV كطرق بديلة لتشخيص استخدام اختبار AFP، والتصوير المقطعي المحوسب (CT)، والتصوير بالرنين المغناطيسي (MRI). أظهرت النتائج التجريبية أن XgBoost حقق نتائج أفضل من الطرق الثلاثة الأخرى

ER  -