Prédicteurs du cancer de l'ovaire et du cancer de l'endomètre pour les outils de dépistage basés sur l'intelligence artificielle

Méthodologie :

Cette étude comportera deux étapes différentes

1. La première étape consistera à mener une étude de cohorte pour identifier les prédicteurs possibles de chaque type de cancer
2. La deuxième étape couvrira le développement de tests au point de service basés sur un modèle d'intelligence artificielle pour prédire l'apparition du cancer et le test prospectif des nouveaux participants à l'aide d'une méthode d'étude diagnostique. Les outils prédiront le résultat histopathologique actuel et l'éventuelle histopathologie future dans un délai d'un an.

Participants et source de données Dans le centre d'étude, les femmes avec ou sans symptômes associés à la gynécologie ont subi des évaluations gynécologiques et pathologiques pour exclure un cancer de l'ovaire et de l'endomètre dans notre centre d'étude. Les données sont stockées numériquement et l'extraction sera effectuée en conséquence

Variables et mesure des résultats

1. Données démographiques et données de santé ces informations sont obtenues à partir de l'évaluation initiale des patients, y compris l'âge, l'indice de masse corporelle, les maladies chroniques, le profil gynécologique et obstétrique, le schéma menstruel et la contraception
2. Les données cliniques et de laboratoire comprennent une numération globulaire complète, un biomarqueur sélectionné associé au cancer (par exemple, l'antigène du cancer 125 (Ca-125)), l'implication des ganglions lymphatiques, l'histopathologie des tissus pertinents et les signes de métastases à travers des données cliniques ou radiologiques
3. Type d'histopathologie finale et classification évaluées par au moins deux pathologistes pour déterminer le type de cancer. Les directives de classification suivent la classification de l'Organisation mondiale de la santé

Développement d'outils de dépistage basés sur l'intelligence artificielle

1. Le chercheur développera

   - un modèle basé sur l'information où l'utilisateur fournira une réponse à chaque prédicteur

   - un modèle basé sur l'image où l'utilisateur fournira une image capturée pour la prédiction

   - un modèle mixte où l'utilisateur peut combiner des images capturées et des informations pour chaque prédicteur

2. modèle proposé

   - basé sur la notation dérivée du coefficient de régression

   - arbre de décision

   - forêt aléatoire

   - réseau neuronal artificiel

   • réseau de neurones convolutifs
3. Sélection du modèle

1. Performance de dépistage sur des données fractionnées (ou en utilisant la technique de validation croisée)

2. évaluation de la perte logarithmique ou de la vraisemblance

   Chronologie

   1. Pour la première étape de l'étude, il y aura une évaluation variable dans le temps pour chaque participant, cependant, au moins les participants subissent une évaluation de tous les facteurs et résultats au départ. Une évaluation répétée telle que suggérée par le médecin sera effectuée dans l'année suivant l'évaluation de base.

   2. La deuxième étude appliquera un dépistage prospectif. L'outil de dépistage basé sur l'intelligence artificielle sera utilisé en même temps que l'étalon-or du diagnostic.

   Biais possible Le biais procédural, en particulier dans l'interprétation des résultats de fiabilité, est géré en impliquant plusieurs pathologistes. Le pathologiste et l'examinateur effectueront le dépistage de manière indépendante afin de réduire la tendance des résultats antérieurs fournis par les outils de dépistage nouvellement développés.

   Taille de l'échantillon

   1. La première étape de la recherche suppose que

un. La prévalence des deux cancers parmi tous les cancers chez les femmes représentait 5 % b. Erreur de type I fixée à 5 % c. erreur absolue de la prévalence de 1 % en utilisant la formule de proportion à un échantillon, la taille estimée de l'échantillon est de 1 825 participants.

2. Suite à l'étude diagnostique, nous déclarons que le nouveau modèle d'outils de dépistage montrera la performance de non-infériorité à l'histopathologie comme étalon-or, en supposant que

un. la différence attendue dans la valeur de sensibilité est de 5 % en supposant que les nouveaux outils de dépistage auront une sensibilité de 85 % et que la sensibilité de l'histopathologie est de 90 % b. des tests croisés seront effectués, créant une répartition égale de l'intervention de dépistage c. Erreur de type 1 de l'étude fixée à 5 % d. Puissance de l'étude fixée à 80 %, la taille totale de l'échantillon pour l'outil de dépistage prospectif sera de 1 080 participants

Quantification et discrétisation des données Plusieurs informations cliniques seront classées selon la ligne directrice établie, par exemple l'indice de masse corporelle.

Analyse statistique proposée

1. Statistique descriptive et analyse bivariée
2. Une régression de cox sera effectuée en suivant la chronologie de la ligne de base à l'événement
3. Une analyse de sous-groupe sera effectuée, en particulier dans certains groupes démographiques et de comorbidité.

quant à la deuxième étape, l'analyse identifiera les

1. sensibilité
2. spécificité
3. précision
4. précision
5. Le nombre nécessaire pour traiter les modèles sélectionnés sera déployé dans une application.