Predyktory raka jajnika i raka endometrium dla narzędzi do badań przesiewowych opartych na sztucznej inteligencji

Metodologia:

Badanie to będzie obejmowało dwa różne etapy

1. W pierwszym etapie przeprowadzone zostanie badanie kohortowe w celu zidentyfikowania możliwych predyktorów każdego rodzaju raka
2. Drugi etap obejmie opracowanie testów przyłóżkowych opartych na modelu sztucznej inteligencji do przewidywania wystąpienia raka oraz badania prospektywne nowych uczestników z wykorzystaniem metody badań diagnostycznych. Narzędzia pozwolą przewidzieć aktualny wynik histopatologiczny i możliwą przyszłą histopatologię w ciągu jednego roku.

Uczestnicy i źródło danych W ośrodku badawczym kobiety z objawami ginekologicznymi lub bez nich zostały poddane ocenie ginekologiczno-patologicznej w celu wykluczenia raka jajnika i endometrium w naszym ośrodku badawczym. Dane są przechowywane cyfrowo, a ekstrakcja zostanie odpowiednio przeprowadzona

Zmienne i pomiar wyniku

1. Dane demograficzne i dane dotyczące zdrowia informacje te uzyskuje się na podstawie wstępnej oceny pacjentek, w tym wieku, wskaźnika masy ciała, chorób przewlekłych, profilu ginekologiczno-położniczego, cyklu miesiączkowego i antykoncepcji
2. Dane kliniczne i laboratoryjne obejmują pełną morfologię krwi, wybrany biomarker związany z rakiem (na przykład antygen nowotworowy 125 (Ca-125)), zajęcie węzłów chłonnych, histopatologię odpowiednich tkanek i oznaki przerzutów na podstawie danych klinicznych lub radiologicznych
3. Wynik końcowy typ histopatologii i klasyfikacja oceniane przez co najmniej dwóch patologów w celu określenia typu nowotworu. Wytyczne dotyczące klasyfikacji są zgodne z klasyfikacją Światowej Organizacji Zdrowia

Rozwój narzędzi przesiewowych opartych na sztucznej inteligencji

1. Badacz będzie się rozwijał

   - model oparty na informacjach, w którym użytkownik udzieli odpowiedzi na każdy predyktor

   - model oparty na obrazie, w którym użytkownik dostarczy przechwycony obraz do prognozy

   - model mieszany, w którym użytkownik może łączyć przechwycone obrazy i informacje dla każdego predyktora

2. proponowany model

   - punktacja oparta na współczynniku regresji

   - drzewo decyzyjne

   - losowy las

   - sztuczna sieć neuronowa

   • splotowa sieć neuronowa
3. Wybór modelu

1. Monitorowanie wydajności na podzielonych danych (lub przy użyciu techniki walidacji krzyżowej)

2. ocena utraty dziennika lub prawdopodobieństwa

   Oś czasu

   1. Na pierwszym etapie badania dla każdego uczestnika będzie przeprowadzana zmienna w czasie ocena, jednak przynajmniej uczestnicy przechodzą ocenę wszystkich czynników i wyników na początku badania. Powtórna ocena, zgodnie z sugestią lekarza, zostanie przeprowadzona w ciągu jednego roku od oceny wyjściowej.

   2. Drugie badanie będzie miało zastosowanie prospektywnego skriningu. Narzędzie przesiewowe oparte na sztucznej inteligencji będzie stosowane równolegle ze złotym standardem diagnozy.

   Możliwe stronniczość proceduralna, szczególnie w interpretacji wyników wiarygodności, jest obsługiwana przez zaangażowanie wielu patologów. Patolog i osoba przeprowadzająca badania przesiewowe przeprowadzą badanie przesiewowe niezależnie, aby zmniejszyć tendencję do wcześniejszych wyników zapewnianych przez nowo opracowane narzędzia przesiewowe.

   Wielkość próbki

   1. Zakłada to pierwszy etap badań

a. Częstość występowania obu nowotworów wśród wszystkich nowotworów złośliwych u kobiet wynosiła 5% b. Błąd typu I ustawiony na 5% c. błąd bezwzględny rozpowszechnienia 1% przy zastosowaniu formuły proporcjonalnej dla jednej próby, szacowana liczebność próby to 1825 uczestników.

2. Po przeprowadzeniu badania diagnostycznego stwierdzamy, że nowy model narzędzi przesiewowych wykaże, że wyniki równoważności z histopatologią są złotym standardem, przy założeniu, że

a. oczekiwana różnica wartości czułości wynosi 5% przy założeniu, że nowe narzędzia przesiewowe będą miały czułość 85%, a czułość histopatologii 90% b. zostaną przeprowadzone testy krzyżowe, tworząc równy przydział interwencji przesiewowych c. Błąd typu 1 badania ustalono na 5% d. Moc badania ustalona na 80%, całkowita wielkość próby dla prospektywnego narzędzia przesiewowego wyniesie 1080 uczestników

Kwantyfikacja i dyskretyzacja danych Kilka informacji klinicznych zostanie sklasyfikowanych zgodnie z ustalonymi wytycznymi, na przykład wskaźnik masy ciała.

Proponowana analiza statystyczna

1. Statystyka opisowa i analiza dwuwymiarowa
2. Regresja Coxa zostanie przeprowadzona zgodnie z linią czasową od linii bazowej do zdarzenia
3. Przeprowadzona zostanie analiza podgrup, szczególnie w przypadku niektórych chorób demograficznych i chorób współistniejących.

co do drugiego etapu, analiza określi tzw

1. wrażliwość
2. specyficzność
3. dokładność
4. precyzja
5. Liczba potrzebnych do leczenia wybranych modeli zostanie wdrożona w aplikacji.