Wartość zastosowania sztucznej inteligencji w precyzyjnej diagnostyce i leczeniu raka pęcherza moczowego metodą rezonansu magnetycznego

Badania wstępne: Badania te są interdyscyplinarnymi wspólnymi badaniami, łącząc sztuczną inteligencję z rezonansem magnetycznym, mogą sprawić, że przedoperacyjne określenie stopnia zaawansowania raka pęcherza będzie dokładniejsze i pokieruje planem leczenia pracownika klinicznego. Obecnie skonstruowano model sztucznej inteligencji oparty na przedoperacyjnych obrazach rezonansu magnetycznego do przewidywania stopnia zaawansowania i rokowania pacjenta. Zbudowaliśmy model przewidywania stopnia zaawansowania za pomocą sieci sztucznej inteligencji z głębokim uczeniem i zebraliśmy dane obrazu rezonansu magnetycznego oraz powiązane pooperacyjne dane patologiczne pacjentów, a następnie obserwowaliśmy 576 pacjentów na podstawie konstrukcji modelu stopniowania. Uzyskując OS, PFS i RFS pacjentów losowo wybrano część jako zestaw treningowy do trenowania modelu sieci głębokiego uczenia. Druga część służy jako zestaw testowy do sprawdzenia jej dokładności. Badanie to było prospektywnym, wieloośrodkowym obserwacyjnym badaniem klinicznym. Planowano włączenie do badania łącznie 150 pacjentów ze złośliwym nowotworem pęcherza moczowego, którzy zostali przyjęci na oddział urologii każdego ośrodka w celu leczenia i poddani resekcji elektrycznej lub radykalnej cystektomii. W celu przeanalizowania czułości, specyficzności i trafności sztucznej inteligencji w przewidywaniu stopnia zaawansowania patologicznego po operacji, Pacjenci, którzy zostali włączeni do grupy, byli obserwowani przez 3 lata, następnie przeanalizowano korelację między wynikami przewidywania sztucznej inteligencji a OS PFS RFS pacjenta. Wstępnie zweryfikowano, że wyniki modelu sztucznej inteligencji mają potencjał przewidywania rokowania pacjentów z rakiem pęcherza moczowego.