Sviluppo e validazione prospettica di un modello di intelligenza artificiale di fusione multimodale per prevedere l'efficacia del trattamento neoadiuvante del carcinoma della vescica

Il cancro alla vescica è una delle neoplasie più comuni del sistema genitourinario in tutto il mondo. Per il muscolo: cancro invasivo della vescica suscettibile di resezione radicale, il trattamento standard è la terapia neoadiuvante combinata con cistectomia radicale, con terapia neoadiuvante che gioca un ruolo cruciale. Attualmente, numerosi studi hanno dimostrato che la chemioterapia neoadiuvante a base di cisplatino può fare i tumori in basso, ridurre il rischio di mortalità nei pazienti con carcinoma vescicale, migliorare i tassi di sopravvivenza e migliorare la prognosi. Sono sotto inchiesta anche altri approcci terapeutici come l'immunoterapia neoadiuvante, la terapia mirata e le terapie di combinazione. Tuttavia, le risposte alla terapia neoadiuvante variano tra i pazienti con carcinoma della vescica, con alcuni che non raggiungono gli obiettivi terapeutici desiderati. Pertanto, prevedere accuratamente la risposta dei partecipanti al trattamento può fornire un riferimento importante per il trattamento personalizzato e preciso del cancro alla vescica.

Negli ultimi anni, poiché i progressi nella capacità di energia computazionale e di archiviazione dei dati, l'intelligenza artificiale (AI) è stata ampiamente applicata nel campo della diagnostica digitale. Le tecnologie AI possono estrarre e integrare un gran numero di caratteristiche da dati multimodali come patologia, imaging e registrazioni cliniche, consentendo una diagnosi precisa della malattia, valutazione della prognosi e previsione del trattamento. Nel campo della previsione del trattamento tumorale, le tecnologie di intelligenza artificiale multimodale hanno raggiunto numerosi scoperte, sviluppando modelli di previsione di efficacia per tumori come il carcinoma rettale e mammario basati su dati di imaging e patologici e convalidando le capacità di generalizzazione dei modelli attraverso la convalida esterna.

Pertanto, gli investigatori prevedono di costruire e convalidare un "modello di previsione dell'efficacia del trattamento neoadiuvante del cancro alla vescica" basato su dati multimodali come immagini di risonanza magnetica, immagini di patologia digitale e registrazioni cliniche di pazienti con carcinoma vescicale e sviluppare un software di previsione assistito dall'intelligenza artificiale per l'efficacia del trattamento neoadiuvante nel carcinoma della bladder. Gli investigatori sperano che questo modello diagnostico di intelligenza artificiale possa fungere da strumento ausiliario per aiutare i medici a stratificare l'efficacia del trattamento neoadiuvante nei pazienti con carcinoma della vescica, formulando così piani di trattamento precisi, riducendo il consumo di risorse umane e materiali e sequestrando le opportunità di trattamento ottimali.