Intelligence artificielle et stadification du cancer dans les tumeurs malignes du tube digestif supérieur

Les cancers de l'oesophage et de l'estomac, qui constituent des cancers de la région haute de l'appareil digestif, sont des cancers fréquemment observés et qui ont malheureusement un faible taux de guérison. Dans ces cas, le stade du cancer au moment du diagnostic est très important pour deux raisons ; Premièrement, le stade du cancer est directement lié à la durée de survie. Deuxièmement, le traitement est planifié en fonction du stade. Différents traitements sont appliqués aux patients à différents stades. Actuellement, le système de stadification TNM (tumeur, ganglion lymphatique et métastases) est celui qui est accepté dans le monde entier. Malgré de nombreux outils technologiques de pointe utilisés dans la stadification (tomodensitométrie, imagerie par résonance magnétique, échographie endoscopique), il existe encore des difficultés pour une stadification correcte avant la chirurgie ou avant-après la thérapie néoadjuvante. Les techniques d'intelligence artificielle sont de plus en plus utilisées dans le domaine de la santé, notamment dans le diagnostic et le traitement des cancers. L'obtention de détails sur le cancer dans des images radiologiques, qui ne peuvent pas être remarquées par l'œil humain, en analysant de grandes données à l'aide d'algorithmes, a donné naissance au domaine d'application de la "radiomique". Il est indiqué qu'avec Radiomics, il y aura des améliorations à la fois dans le diagnostic et la stadification des cancers et, par conséquent, dans le traitement. S'il existe des études sur l'utilisation des méthodes endoscopiques avec intelligence artificielle pour le diagnostic précoce des cancers de l'œsophage, un nombre limité d'études ont été menées sur l'estimation du stade à partir d'images radiologiques. En particulier, il n'y a pas suffisamment d'études sur l'investigation des modifications de la taille de la tumeur après une chimiothérapie avec intelligence artificielle et l'estimation de la stadification. Dans cette étude, il visait à étudier l'efficacité prédictive de la stadification et la précision de l'algorithme développé avec l'intelligence artificielle en traitant des images de tomographie dans une région où les cancers de l'œsophage sont endémiques comme critère de jugement principal et à évaluer la mortalité, la morbidité post-traitement les taux et les taux de complications des patients comme résultat secondaire.