ความท้าทายที่สำคัญอยู่ที่การจัดการมะเร็งลิ้นอย่างเหมาะสม

การวินิจฉัยในระยะเริ่มต้น การวางแผนการรักษา และการตัดสินใจอย่างรอบรู้โดยแพทย์ ในวิทยานิพนธ์ของเขา Rasheed Alabi เสนอการใช้เทคนิคการเรียนรู้ของเครื่องเพื่อการจัดการมะเร็งลิ้นอย่างมีประสิทธิภาพ เขาพัฒนาเครื่องมือบนเว็บที่แบ่งกลุ่มผู้ป่วยมะเร็งออกเป็นกลุ่มที่มีความเสี่ยงสูงหรือมีความเสี่ยงต่ำได้อย่างเหมาะสม ที่ช่วยในการคิดค้นการรักษาผู้ป่วยมะเร็ง ลิ้น อย่างได้ผล การวางแผนการรักษาผู้ป่วยมะเร็งลิ้นอย่างเหมาะสมเป็นสิ่งสำคัญ เพื่อเพิ่มคุณภาพการดูแลและโอกาสรอดชีวิต Alabi กล่าว เทคนิคแมชชีนเลิร์นนิงมีประสิทธิภาพเหนือกว่าวิธีการดั้งเดิม โมเดลแมชชีนเลิร์นนิงเชิงคาดการณ์ที่พัฒนาโดยราชีดสร้างความแม่นยำ 88.2% เพื่อทำนายว่ามะเร็งลิ้นจะเกิดขึ้นอีกหรือไม่หลังการรักษา ในทำนองเดียวกันโมเดลแมชชีนเลิร์นนิงมีประสิทธิภาพเหนือกว่าวิธีอื่นๆ ในการจัดการมะเร็ง เช่น การใช้ระยะของมะเร็งและโนโมแกรมในการประมาณการรอดชีวิตโดยรวมของผู้ป่วยมะเร็งลิ้น