Øget blæretumordetektion ved hjælp af realtidsbaseret kunstig intelligens (Bladder-PAD)

I dag er standarden for diagnosticering og overvågning af blæretumorer blæreendoskopi. Udførelsen af ​​denne eksamen er ikke perfekt. Med dette arbejde, baseret på kunstig intelligens, ønsker efterforskerne at kombinere endoskopi med et komplementært diagnostisk værktøj for at forbedre patientbehandlingen. Hovedformålet vil være at reducere diagnostiske fejl/vandringer hos patienter, der behandles eller følges for blæretumorer, ved at indføre en ny standard for diagnostisk blærekortlægning (høj PPV og VPN, høj præcision) (diagnostik med primært formål). Det sekundære mål vil være at homogenisere og systematisere den beskrivende del af læsionerne og at bruge AI til bedre at karakterisere tumoraggressivitet. Det endelige mål er at validere et nyt præcisionsværktøj (diagnostisk ledsager), der er afgørende for udvikling og standardisering af den terapeutiske behandling af blæretumorer (korrigering af inter-observatør-heterogenitet).

I dette projekt vil videoramme først blive ekstraheret fra vores datasæt af cystoskopi-videoer hostet i Next Cloud Recherche. Udvalgt medicinsk billede vil blive segmenteret og analyseret ved hjælp af vores præ-trænede CNN-model med en funktionsdetektionsalgoritme for at opnå funktioner.

Data vil blive analyseret på både patient- og læsionsniveauer. Undersøgelsen vil vurdere blære-PAD-nøjagtigheden ved påvisning af blæretumorer og dens evne til at forudsige tumorrisiko for tilbagefald og progression.