Edistyneen munasarjasyövän sytoredution tulosten ennustaminen koneoppimisalgoritmin ja sairauksien leviämismallien avulla laparoskopiassa (PREDAtOOR) (PREDAtOOR)

Pitkälle edenneen munasarjasyövän hoidossa päätös primaarileikkaukseen on monimutkainen, ja sen päättää kirurgi, kun otetaan huomioon useita tekijöitä. Joskus kemoterapiaa tarvitaan ennen leikkausta joidenkin kasvainten pienentämiseksi. Parhaiden potilaiden valitsemiseksi primaarikirurgiaan on kehitetty useita ennustustyökaluja. CT:tä ja MRI:tä on yleisimmin käytetty vatsan kasvainten paikkojen ja määrien tunnistamiseen, ja ne voivat auttaa määrittämään, voidaanko nämä kasvaimet poistaa turvallisesti leikkauksella. Nämä kuvantamismenetelmät ovat kuitenkin vain ennusteita, ja joskus tehdään diagnostinen laparoskopia (kameran asettaminen vatsaan katsomaan kaikkia sairauskohtia) auttamaan tätä päätösprosessia.

Tekoälyn ja koneoppimisen myötä on mahdollisuus luoda tarkempia ennustemalleja näiden diagnostisten laparoskopiavideoiden kuvista. Erityisesti tutkijat haluaisivat käyttää diagnostisen laparoskopian kuvia luodakseen koneoppimismalleja, jotka auttavat ennustamaan, voidaanko kasvaimet poistaa onnistuneesti primaarileikkauksessa vai tarvitaanko kemoterapiaa ennen leikkausta.

Tutkijat rekisteröivät potilaat kerta-aikaan (leikkausajankohtana) ja seuraavat heitä eteenpäin ajoissa, eikä muita lisäkäyntejä tehdä leikkauksen lisäksi.

Leikkauksen aikana leikkausryhmä ottaa kuvia, mutta mikä tekee tästä erilaisen, on se, että näitä kuvia käytetään auttamaan luomaan algoritmi leikkauksen tulosten ennustamiseksi. Nämä kuvat tallennetaan suojattuun tietokantaan, jossa on anonyymi numero, joka ei yhdistä näitä kuvia mihinkään osallistujaan.