Przewidywanie ukrytych przerzutów do otrzewnej miejscowo zaawansowanego raka żołądka przy użyciu danych multimodalnych opartych na sztucznej inteligencji w połączeniu ze śródoperacyjnym dynamicznym wideo

Krótkie podsumowanie: Przewidywanie ukrytych przerzutów do otrzewnej miejscowo zaawansowanego raka żołądka przy użyciu danych multimodalnych opartych na sztucznej inteligencji w połączeniu ze śródoperacyjnym dynamicznym wideo

Rak żołądka, czyli rak żołądka, stanowi poważny problem zdrowotny na całym świecie. Dla pacjentów, u których zdiagnozowano miejscowo zaawansowanego raka żołądka (LAGC), jednym z kluczowych wyzwań jest wykrycie ukrytych przerzutów do otrzewnej. Te przerzuty to komórki nowotworowe, które rozprzestrzeniły się do otrzewnej (wyściółki jamy brzusznej), ale nie są łatwo wykrywalne tradycyjnymi technikami obrazowania lub podczas operacji. Wczesne i dokładne wykrycie tych ukrytych przerzutów może znacząco wpłynąć na strategię leczenia i poprawić wyniki leczenia pacjenta.

W tym badaniu klinicznym badane jest innowacyjne podejście do sprostania temu wyzwaniu poprzez połączenie sztucznej inteligencji (AI) z danymi multimodalnymi, w tym śródoperacyjnym dynamicznym wideo. Metoda ta wykorzystuje moc sztucznej inteligencji do analizy złożonych i różnorodnych źródeł danych, zapewniając kompleksowe i precyzyjne przewidywanie ukrytych przerzutów do otrzewnej podczas operacji.

**Hipoteza**

W badaniu postawiono hipotezę, że model sztucznej inteligencji integrujący dane multimodalne, w tym śródoperacyjne dynamiczne wideo, może dokładnie przewidzieć obecność ukrytych przerzutów do otrzewnej u pacjentów z miejscowo zaawansowanym rakiem żołądka. Dzięki temu podejście to ma na celu zaoferowanie nieinwazyjnego narzędzia diagnostycznego działającego w czasie rzeczywistym, które zwiększa możliwości wykrywania w porównaniu z tradycyjnymi metodami.

Projekt badania

1. Uczestnicy: W badaniu zostaną objęci pacjenci ze zdiagnozowanym miejscowo zaawansowanym rakiem żołądka, zakwalifikowani do leczenia operacyjnego. Pacjenci ci zostaną poddani standardowym badaniom przedoperacyjnym w celu potwierdzenia kwalifikowalności.
2. Zbieranie danych: Podczas operacji rejestrowane będą dynamiczne nagrania wideo jamy brzusznej. Dodatkowo zostaną zebrane inne istotne dane wielomodalne, takie jak wyniki obrazowania, wyniki histopatologiczne i parametry kliniczne.
3. Opracowanie modelu sztucznej inteligencji: zebrane dane zostaną wykorzystane do szkolenia i walidacji modelu sztucznej inteligencji. Model przeanalizuje dynamiczny obraz wideo wraz z innymi danymi multimodalnymi w celu zidentyfikowania wzorców i markerów wskazujących na ukryte przerzuty do otrzewnej.
4. Ocena i walidacja: Przewidywania modelu sztucznej inteligencji zostaną porównane z rzeczywistymi wynikami chirurgicznymi i histopatologicznymi, aby ocenić ich dokładność. Wydajność modelu AI zostanie oceniona pod kątem czułości, swoistości i ogólnej dokładności diagnostycznej.
5. Pomiary wyników: Podstawową miarą wyniku będzie dokładność modelu AI w przewidywaniu ukrytych przerzutów do otrzewnej. Drugorzędne wyniki będą obejmować wpływ tej prognozy na podejmowanie decyzji chirurgicznych, wyniki pacjentów i potencjalną poprawę wskaźników przeżycia.

Znaczenie

Wykrycie ukrytych przerzutów do otrzewnej w miejscowo zaawansowanym raku żołądka ma kluczowe znaczenie dla skutecznego planowania leczenia. Tradycyjne metody diagnostyczne często nie pozwalają na identyfikację ukrytych przerzutów, dopóki nie ulegną znacznej progresji, co ogranicza możliwości leczenia i niekorzystnie wpływa na rokowanie. Integrując sztuczną inteligencję ze śródoperacyjnym dynamicznym wideo i innymi danymi multimodalnymi, badanie to ma na celu opracowanie nieinwazyjnego narzędzia diagnostycznego działającego w czasie rzeczywistym, które może wykrywać te przerzuty dokładniej i wcześniej niż metody konwencjonalne.

Potencjalne korzyści takiego podejścia obejmują:

• Lepsze podejmowanie decyzji chirurgicznych: przewidywanie w czasie rzeczywistym ukrytych przerzutów może stanowić podstawę strategii chirurgicznych, umożliwiając bardziej precyzyjne i ukierunkowane interwencje.
• Lepsze wyniki dla pacjentów: Wczesne i dokładne wykrycie pozwala na szybkie i odpowiednie leczenie, potencjalnie poprawiając wskaźniki przeżycia i jakość życia pacjentów.
• Zmniejszona inwazyjność: Metoda ta zapewnia nieinwazyjny sposób wykrywania przerzutów, zmniejszając potrzebę stosowania dodatkowych procedur inwazyjnych.
• Opłacalność: Wczesne wykrycie i leczenie może obniżyć ogólne koszty opieki zdrowotnej, zapobiegając postępowi choroby i zmniejszając potrzebę szeroko zakrojonego leczenia na późniejszych etapach.

Wniosek

To badanie kliniczne stanowi znaczący postęp w dziedzinie diagnostyki raka żołądka. Wykorzystując sztuczną inteligencję do analizy danych multimodalnych, w tym śródoperacyjnego dynamicznego wideo, ma na celu zapewnienie potężnego narzędzia do wczesnego i dokładnego przewidywania ukrytych przerzutów do otrzewnej u pacjentów z miejscowo zaawansowanym rakiem żołądka. Sukces tego podejścia może zrewolucjonizować sposób wykrywania i leczenia przerzutów, co ostatecznie doprowadzi do lepszych wyników dla pacjentów.