Menanggapi Kritik Mengenai Deteksi Kanker Dini dengan SPECTROSCOPY dan AI

Penulis merespons kritik terhadap penelitian mereka tentang teknik SERS-AICS untuk deteksi kanker dengan menjelaskan pembagian dataset dengan benar. Mereka telah memperbaiki kesalahan ukuran sampel dan melakukan pembagian data ulang untuk menunjukkan hasil yang lebih akurat. Penulis menegaskan pentingnya metode yang transparan dan reliabel dalam penelitian kanker.

Dalam tanggapan ini, penulis menjelaskan dua isu yang diangkat oleh Bratchenko et al. mengenai teknik SERS-AICS untuk deteksi kanker awal. Pertama, penulis membantah bahwa akurasi yang dipresentasikan mencampurkan dataset pelatihan dan pengujian, yang mengarah pada penilaian yang meragukan terhadap performa model. Mereka mengonfirmasi bahwa mereka telah membagi dataset menjadi pelatihan dan pengujian secara ketat dan tidak menggunakan dataset pelatihan untuk evaluasi. Penulis juga mengklaim bahwa laporan mereka secara akurat menggambarkan hasil berdasarkan dataset pengujian.

Kedua, penulis merespons kritik tentang hanya satu pembagian data yang digunakan untuk evaluasi performa. Mereka telah melakukan beberapa pengacakan pengulangan pembagian data dan mempersembahkan hasil rata-rata serta standar deviasi untuk menunjukkan stabilitas model dalam memperkirakan kanker. Penulis menyajikan grafik baru dan tabel yang memuat hasil yang lebih akurat dari beberapa percobaan, menekankan keunggulan pendekatan mereka dan validitas metode SERS-AICS dalam deteksi kanker.

Penulis juga merevisi ukuran sampel beberapa kelompok untuk meningkatkan ketepatan presentasi data mereka. Komentar ini berusaha menetapkan transparansi dalam metodologi penelitian dan menekankan bahwa penggunaan dataset pelatihan dan pengujian yang tepat sangat penting untuk menghindari overfitting. Secara keseluruhan, penulis menegaskan bahwa pendekatan mereka untuk klasifikasi kanker menunjukkan potensi yang signifikan dan dapat diandalkan untuk aplikasi klinis di masa mendatang.

Diskusi ini berfokus pada teknik Surface-enhanced Raman scattering Artificial Intelligence for Cancer Screening (SERS-AICS) yang digunakan untuk deteksi kanker dini. Akurasi dan keandalan metode biomolekuler menjadi kunci dalam evaluasi teknik ini. Melalui analisis spektrum dan penerapan AI, penulis berupaya untuk menunjukkan efektivitas metode mereka dan menjawab kritik yang mengangkat masalah teknis dalam presentasi data asal.

Tanggapan ini membantah kritik yang disampaikan oleh Bratchenko et al. terkait metodologi evaluasi performa model SERS-AICS. Penulis menegaskan penggunaan pembagian data yang ketat antara pelatihan dan pengujian serta memperbarui ukuran sampel dalam presentasi data. Dengan demikian, mereka menekankan keandalan model dalam deteksi kanker awal dan pentingnya pendekatan yang cermat dalam pembentukan algoritma untuk aplikasi klinis.

Sumber Asli: www.nature.com