Anvendelsesværdien af ​​kunstig intelligens i MR-præcisionsdiagnostik og behandling af blærekræft

Foreløbig forskning: Denne forskning er tværfaglig fælles forskning ved at kombinere kunstig intelligens med magnetisk resonans, den kan gøre den præoperative bestemmelse af blærekræftstadiet mere nøjagtig og vejlede klinikerens behandlingsplan. På nuværende tidspunkt er det blevet konstrueret, at en kunstig intelligensmodel baseret på præoperative magnetiske resonansbilleder til at forudsige iscenesættelse og patientprognose. Vi byggede en iscenesættelsesforudsigelsesmodel gennem deep learning kunstig intelligens-netværk og indsamlede magnetisk resonansbilleddata og relaterede postoperative patologiske data fra patienter, bagefter fulgte vi 576 patienter på basis af iscenesættelsesmodelkonstruktion. Ved at opnå OS, PFS og RFS af patienter blev en del tilfældigt udvalgt som et træningssæt til træning af deep learning netværksmodellen. Den anden del bruges som et testsæt for at verificere dens nøjagtighed. Denne undersøgelse var et prospektivt, multicenter observationelt klinisk studie. I alt 150 patienter med malign blæretumor, som blev indlagt på urologisk afdeling på hvert center til behandling og gennemgik elektrisk resektion eller radikal cystektomi, var planlagt til at blive indskrevet. For at analysere sensitiviteten, specificiteten og nøjagtigheden af ​​kunstig intelligens til at forudsige postoperativ patologisk stadieinddeling, blev patienter, der kom ind i gruppen, fulgt op i 3 år, derefter analyserede vi sammenhængen mellem forudsigelsesresultater for kunstig intelligens og patient OS PFS RFS. Det blev foreløbigt verificeret, at resultaterne af den kunstige intelligens-model har potentialet til at forudsige prognosen for patienter med blærekræft.