Utvikling og prospektiv validering av en multimodal fusjon kunstig intelligensmodell for å forutsi effekten av neoadjuvansbehandling av blærekreft

Blærekreft er en av de vanligste malignitetene i det genitinære systemet over hele verden. For muskel - invasiv blærekreft som er mulig for radikal reseksjon, er standardbehandlingen neoadjuvant terapi kombinert med radikal cystektomi, med neoadjuvant terapi som spiller en avgjørende rolle. For øyeblikket har mange studier vist at cisplatin -basert neoadjuvant cellegift kan downstagesvulster, redusere risikoen for dødelighet hos pasienter med kreft i blæren, forbedre overlevelsesraten og øke prognosen. Andre behandlingsmetoder som neoadjuvant immunterapi, målrettet terapi og kombinasjonsbehandlinger er også under undersøkelse. Imidlertid varierer svar på neoadjuvant terapi mellom pasienter med blærekreft, med noen som ikke oppnår de ønskede terapeutiske mål. Derfor kan nøyaktig forutsi deltakernes respons på behandling gi en viktig referanse for personlig og presis behandling av blærekreft.

De siste årene, som fremskritt innen beregningskraft og datalagringskapasitet, har kunstig intelligens (AI) blitt brukt mye innen digital diagnostikk. AI -teknologier kan trekke ut og integrere et stort antall funksjoner fra multimodale data som patologi, avbildning og kliniske poster, noe som muliggjør presis sykdomsdiagnose, prognosevurdering og behandlingsprediksjon. Innen tumorbehandlingsprediksjon har multimodale AI -teknologier oppnådd mange gjennombrudd, og utviklet effektivitetsprediksjonsmodeller for svulster som rektal og brystkreft basert på avbildning og patologiske data, og validering av modellenes generaliseringsfunksjoner gjennom ekstern validering.

Derfor planlegger etterforskerne å konstruere og validere en "blærekreft neoadjuvant behandlingseffektivitetsprediksjonsmodell" basert på multimodale data som MR -bilder, digitale patologibilder og kliniske poster av blærekreftpasienter, og utvikler en AI -assistert prediksjonsprogramvare for neoadjuvant behandlingseffektivitet i blære kreft. Etterforskerne håper at denne AI -diagnostiske modellen kan tjene som et hjelpevne for å hjelpe klinikere med å stratifisere neoadjuvansbehandlingseffektivitet hos blærekreftpasienter, og dermed formulere presise behandlingsplaner, redusere forbruket av mennesker og materielle ressurser, og beslaglegge de optimale behandlingsmulighetene.