Dopad KOMORBIDIT po radikální cystektomii s použitím prediktivní metody s umělou inteligencí (COMORBID-AI)

Klíčovou roli v rozhodování hraje porada lékaře a multidisciplinárního týmu v onkologické urologii (MMO). Nevysvětlitelná variance, kterou lze přisoudit chirurgovi, pravděpodobně spojená se subjektivním efektem „testu oční bulvy“, byla identifikována jako nejsilnější faktor nesouladu s doporučeními směrnic při léčbě rakoviny močového měchýře. Proto jsou klíčové vysoce kvalitní studie, které identifikují bariéry a modulátory (jako jsou komorbidity) přijímání pokynů na úrovni poskytovatelů a jak jsou komorbidity spojeny při výběru léčby a jejich dopad na přežití specifické pro karcinom močového měchýře a celkové přežití. Rozhodující může být identifikace pacientů s vysokým rizikem předčasného úmrtí a zlepšení specifických doporučení pro léčbu.

Aby bylo možné posoudit přežití, kde si události úmrtnosti konkurují, bude vhodnější vypočítat funkci kumulativní incidence (jmenovitě CIF). Výzkumníci budou porovnávat výsledky napříč populací pacientů, aby získali informace pro zlepšení klinického rozhodování. Takové učení se bude provádět pomocí neuronových sítí nebo aplikací přístupů založených na populaci, jako jsou genetické algoritmy (GA), systémy mravenčích kolonií (ACS) a optimalizace roje částic (PSO), s využitím čtyřstupňového přístupu.

Za prvé, vyšetřovatelé navrhují „pretopologický prostor“, aby mohli studovat dynamický jev. Za druhé, výzkumníci připomínají, že přístup K-means zůstává jedním z nejpoužívanějších přístupů pro klasifikaci souboru prvků (pacienti / osoby / ostatní) do K (disjunktivních) shluků. Za třetí, vyšetřovatelé navrhují prostor pro učení se pretopologie pro zlepšení shlukování. Takový přístup lze v duchu asimilovat s přístupem aplikovaným s velkým úspěchem na hluboké učení. Za čtvrté a poslední, vyšetřovatelé navrhují reaktivní metodu, která je schopna zahrnout některé nové prvky nebo některé obsažené prvky odstranit