Der Anwendungswert künstlicher Intelligenz in der MRT-Präzisionsdiagnose und Behandlung von Blasenkrebs

Vorläufige Forschung: Bei dieser Forschung handelt es sich um eine multidisziplinäre gemeinsame Forschung, die künstliche Intelligenz mit Magnetresonanz kombiniert. Sie kann die präoperative Bestimmung des Blasenkrebsstadiums genauer machen und den Behandlungsplan des Klinikpersonals leiten. Derzeit wurde ein künstliches Intelligenzmodell entwickelt, das auf präoperativen Magnetresonanzbildern basiert, um das Stadieneinteilung und die Patientenprognose vorherzusagen. Wir haben mithilfe eines Deep-Learning-Netzwerks für künstliche Intelligenz ein Stadienvorhersagemodell erstellt und Magnetresonanzbilddaten sowie damit verbundene postoperative pathologische Daten von Patienten gesammelt. Anschließend haben wir 576 Patienten auf der Grundlage der Stadienmodellkonstruktion verfolgt. Durch die Ermittlung von OS, PFS und RFS von Patienten wurde ein Teil zufällig als Trainingssatz für das Training des Deep-Learning-Netzwerkmodells ausgewählt. Der andere Teil wird als Testsatz verwendet, um seine Genauigkeit zu überprüfen. Bei dieser Studie handelte es sich um eine prospektive, multizentrische klinische Beobachtungsstudie. Es war geplant, insgesamt 150 Patienten mit bösartigem Blasentumor aufzunehmen, die zur Behandlung in die urologische Abteilung jedes Zentrums eingeliefert wurden und sich einer elektrischen Resektion oder radikalen Zystektomie unterzogen. Um die Sensitivität, Spezifität und Genauigkeit der künstlichen Intelligenz bei der Vorhersage des postoperativen pathologischen Stagings zu analysieren, wurden Patienten, die in die Gruppe aufgenommen wurden, drei Jahre lang nachbeobachtet. Anschließend analysierten wir die Korrelation zwischen den Vorhersageergebnissen der künstlichen Intelligenz und dem OS PFS RFS des Patienten. Es wurde vorläufig bestätigt, dass die Ergebnisse des Modells der künstlichen Intelligenz das Potenzial haben, die Prognose von Patienten mit Blasenkrebs vorherzusagen.