Prédiction des métastases péritonéales occultes du cancer gastrique localement avancé à l'aide de données multimodales basées sur l'intelligence artificielle combinées à une vidéo dynamique peropératoire

Bref résumé : Prédiction des métastases péritonéales occultes du cancer gastrique localement avancé à l'aide de données multimodales basées sur l'intelligence artificielle combinées à une vidéo dynamique peropératoire

Le cancer gastrique, ou cancer de l’estomac, constitue un problème de santé majeur dans le monde. Pour les patients diagnostiqués avec un cancer gastrique localement avancé (LAGC), l’un des défis critiques est la détection des métastases péritonéales occultes. Ces métastases sont des cellules cancéreuses qui se sont propagées au péritoine (la muqueuse de la cavité abdominale) mais qui ne sont pas facilement détectées par les techniques d'imagerie traditionnelles ou lors d'une intervention chirurgicale. La détection précoce et précise de ces métastases cachées peut grandement influencer les stratégies de traitement et améliorer les résultats pour les patients.

Cette étude clinique explore une approche innovante pour relever ce défi en combinant l'intelligence artificielle (IA) avec des données multimodales, y compris la vidéo dynamique peropératoire. Cette méthode exploite la puissance de l’IA pour analyser des sources de données complexes et diverses, fournissant ainsi une prédiction complète et précise des métastases péritonéales occultes pendant la chirurgie.

**Hypothèse**

L'étude émet l'hypothèse qu'un modèle d'IA intégrant des données multimodales, y compris une vidéo dynamique peropératoire, peut prédire avec précision la présence de métastases péritonéales occultes chez les patients atteints d'un cancer gastrique localement avancé. Ce faisant, cette approche vise à offrir un outil de diagnostic non invasif en temps réel qui améliore les capacités de détection au-delà des méthodes traditionnelles.

Étudier le design

1. Participants : L'étude impliquera des patients diagnostiqués avec un cancer gastrique localement avancé qui doivent subir un traitement chirurgical. Ces patients subiront des évaluations préopératoires standard pour confirmer leur éligibilité.
2. Collecte de données : pendant la chirurgie, des enregistrements vidéo dynamiques de la cavité abdominale seront capturés. De plus, d'autres données multimodales pertinentes telles que les résultats d'imagerie, les résultats histopathologiques et les paramètres cliniques seront collectés.
3. Développement de modèles d'IA : les données collectées seront utilisées pour former et valider un modèle d'IA. Le modèle analysera la vidéo dynamique ainsi que d'autres données multimodales pour identifier des modèles et des marqueurs indiquant des métastases péritonéales occultes.
4. Évaluation et validation : les prédictions du modèle d'IA seront comparées aux résultats chirurgicaux et histopathologiques réels pour évaluer son exactitude. Les performances du modèle d'IA seront évaluées en termes de sensibilité, de spécificité et d'exactitude diagnostique globale.
5. Mesures des résultats : Le principal critère de jugement sera l'exactitude du modèle d'IA dans la prédiction des métastases péritonéales occultes. Les résultats secondaires incluront l'impact de cette prédiction sur la prise de décision chirurgicale, les résultats pour les patients et les améliorations potentielles des taux de survie.

Importance

La détection des métastases péritonéales occultes dans le cancer gastrique localement avancé est cruciale pour une planification efficace du traitement. Les méthodes de diagnostic traditionnelles ne parviennent souvent pas à identifier ces métastases cachées jusqu'à ce qu'elles aient progressé de manière significative, ce qui limite les options de traitement et affecte négativement le pronostic. En intégrant l'IA à la vidéo dynamique peropératoire et à d'autres données multimodales, cette étude vise à développer un outil de diagnostic non invasif en temps réel capable de détecter ces métastases avec plus de précision et plus tôt que les méthodes conventionnelles.

Les avantages potentiels de cette approche comprennent :

• Prise de décision chirurgicale améliorée : la prédiction en temps réel des métastases occultes peut éclairer les stratégies chirurgicales, permettant des interventions plus précises et ciblées.
• Résultats améliorés pour les patients : une détection précoce et précise permet des traitements opportuns et appropriés, améliorant potentiellement les taux de survie et la qualité de vie des patients.
• Caractère invasif réduit : cette méthode fournit un moyen non invasif de détection des métastases, réduisant ainsi le besoin de procédures invasives supplémentaires.
• Rentabilité : La détection et le traitement précoces peuvent réduire les coûts globaux des soins de santé en empêchant la progression de la maladie et en réduisant le besoin de traitements approfondis à des stades ultérieurs.

Conclusion

Cette étude clinique représente une avancée significative dans le domaine du diagnostic du cancer gastrique. En tirant parti de l’IA pour analyser les données multimodales, y compris la vidéo dynamique peropératoire, il vise à fournir un outil puissant pour la prédiction précoce et précise des métastases péritonéales occultes chez les patients atteints d’un cancer gastrique localement avancé. Le succès de cette approche pourrait révolutionner la manière dont les métastases sont détectées et gérées, conduisant à terme à de meilleurs résultats pour les patients.