Kami menjelaskan dua kekhawatiran Bratchenko et al. mengenai akurasi dan pengujian model SERS-AICS. Menggunakan dataset terpisah memberikan hasil yang lebih akurat, menghindari kebingungan terkait overfitting. Kami juga melakukan beberapa pembagian data untuk menggambarkan variabilitas model dan menghasilkan output yang lebih dapat diandalkan.

Kami merespons dua kekhawatiran yang diungkapkan Bratchenko et al. terkait analisis data spektrum dalam teknik SERS-AICS. Pertama, kami mengklarifikasi bahwa akurasi model ditentukan murni berdasarkan set uji terpisah, menghindari overfitting. Kedua, meski hanya satu pembagian data ditunjukkan sebelumnya, kami sudah melakukan beberapa pembagian acak untuk mendapatkan hasil yang lebih bisa diandalkan. Semua keputusan dan hasil diperbarui agar lebih transparan serta akurat.

Teknik deteksi kanker awal berbasis SERS telah berkembang, dengan evaluasi yang ketat berbasis akurasi dan keandalan data. Masalah seperti overfitting sering kali muncul ketika data pelatihan dicampur dengan data uji, membuat hasil tampak lebih baik daripada kenyataannya. Oleh karena itu, praktek metode yang ketat diperlukan untuk memastikan hasil yang dapat diandalkan bagi aplikasi klinis di dunia nyata.

Kami berkomitmen untuk memberikan hasil yang dapat dipercaya melalui penggunaan set uji yang terpisah, serta dengan memperjelas pembagian data. Dengan pembaruan pada analisis kami, kami mampu menunjukkan bahwa model SERS-AICS kami efektif untuk deteksi kanker awal. Keandalan serta ketepatan metode kami tetap terjaga melalui proses yang transparan dan terbuka.

Sumber Asli: www.nature.com