リアルタイムベースの人工知能を使用した拡張膀胱腫瘍検出 (Bladder-PAD)

今日、膀胱腫瘍の診断とモニタリングの標準は膀胱内視鏡検査です。 この試験のパフォーマンスは完璧ではありません。 人工知能に基づくこの作業により、研究者は内視鏡検査を補完的な診断ツールと組み合わせて、患者のケアを改善したいと考えています。 主な目的は、診断膀胱マッピングの新しい基準 (高 PPV および VPN、高精度) (主な目的の診断) を課すことによって、膀胱腫瘍の治療または経過観察を受けている患者の診断エラー / 徘徊を減らすことです。 二次的な目的は、病変の記述部分を均質化および体系化し、AI を使用して腫瘍の攻撃性をより適切に特徴付けることです。 最終的な目的は、膀胱腫瘍の治療管理の開発と標準化 (観察者間の不均一性の修正) に不可欠な新しい精密ツール (診断コンパニオン) を検証することです。

このプロジェクトでは、ビデオ フレームは、Next Cloud Recherche でホストされている膀胱鏡検査ビデオのデータセットから最初に抽出されます。 選択された医用画像は、特徴を取得するための特徴検出アルゴリズムを備えた事前トレーニング済みの CNN モデルを使用してセグメント化および分析されます。

データは、患者レベルと病変レベルの両方で分析されます。 この研究では、膀胱腫瘍の検出におけるBladder-PADの精度と、再発および進行の腫瘍リスクを予測する能力を評価します。