Desarrollo y validación prospectiva de un modelo de inteligencia artificial de fusión multimodal para predecir la eficacia del tratamiento neoadyuvante del cáncer de vejiga

El cáncer de vejiga es una de las tumores malignos más comunes del sistema genitourinario en todo el mundo. Para el cáncer de vejiga invasivo muscular susceptible a la resección radical, el tratamiento estándar es la terapia neoadyuvante combinada con cistectomía radical, con una terapia neoadyuvante que juega un papel crucial. Actualmente, numerosos estudios han demostrado que la quimioterapia neoadyuvante basada en cisplatino puede reducir los tumores, reducir el riesgo de mortalidad en pacientes con cáncer de vejiga, mejorar las tasas de supervivencia y mejorar el pronóstico. Otros enfoques de tratamiento como la inmunoterapia neoadyuvante, la terapia dirigida y las terapias combinadas también están bajo investigación. Sin embargo, las respuestas a la terapia neoadyuvante varían entre los pacientes con cáncer de vejiga, y algunos no logran los objetivos terapéuticos deseados. Por lo tanto, predicir con precisión la respuesta de los participantes al tratamiento puede proporcionar una referencia importante para el tratamiento personalizado y preciso del cáncer de vejiga.

En los últimos años, a medida que los avances en la potencia computacional y la capacidad de almacenamiento de datos, la inteligencia artificial (IA) se ha aplicado ampliamente en el campo de los diagnósticos digitales. Las tecnologías de IA pueden extraer e integrar una gran cantidad de características a partir de datos multimodales como patología, imágenes y registros clínicos, permitiendo un diagnóstico preciso de enfermedad, evaluación del pronóstico y predicción del tratamiento. En el campo de la predicción del tratamiento tumoral, las tecnologías de IA multimodales han logrado numerosos avances, desarrollando modelos de predicción de eficacia para tumores como el cáncer rectal y de mama en función de la imagen y los datos patológicos, y la validación de las capacidades de generalización de los modelos a través de la validación externa.

Por lo tanto, los investigadores planean construir y validar un "modelo de predicción de eficacia del tratamiento neoadyuvante del cáncer de vejiga" basado en datos multimodales como imágenes de resonancia magnética, imágenes de patología digital y registros clínicos de pacientes con cáncer de vejiga, y desarrollar un software de predicción asistida por IA para la eficacia del tratamiento neoadjuvante en el cáncer de la vejiga. Los investigadores esperan que este modelo de diagnóstico de IA pueda servir como una herramienta auxiliar para ayudar a los médicos a estratificar la eficacia del tratamiento neoadyuvante en pacientes con cáncer de vejiga, formulando así planes de tratamiento precisos, reduciendo el consumo de recursos humanos y materiales, y aprovechando las oportunidades de tratamiento óptimas.