Predição de metástase peritoneal oculta de câncer gástrico localmente avançado usando dados multimodais baseados em inteligência artificial combinados com vídeo dinâmico intraoperatório

Breve resumo: Predição de metástase peritoneal oculta de câncer gástrico localmente avançado usando dados multimodais baseados em inteligência artificial combinados com vídeo dinâmico intraoperatório

O câncer gástrico, ou câncer de estômago, é um grande problema de saúde em todo o mundo. Para pacientes com diagnóstico de câncer gástrico localmente avançado (LAGC), um dos desafios críticos é a detecção de metástase peritoneal oculta. Estas metástases são células cancerígenas que se espalharam para o peritônio (o revestimento da cavidade abdominal), mas não são facilmente detectadas pelas técnicas tradicionais de imagem ou durante a cirurgia. A detecção precoce e precisa dessas metástases ocultas pode influenciar muito as estratégias de tratamento e melhorar os resultados dos pacientes.

Este estudo clínico explora uma abordagem inovadora para enfrentar este desafio, combinando inteligência artificial (IA) com dados multimodais, incluindo vídeo dinâmico intraoperatório. Este método aproveita o poder da IA ​​para analisar fontes de dados complexas e diversas, fornecendo uma previsão abrangente e precisa de metástases peritoneais ocultas durante a cirurgia.

**Hipótese**

O estudo levanta a hipótese de que um modelo de IA integrando dados multimodais, incluindo vídeo dinâmico intraoperatório, pode prever com precisão a presença de metástase peritoneal oculta em pacientes com câncer gástrico localmente avançado. Ao fazer isso, esta abordagem visa oferecer uma ferramenta de diagnóstico não invasiva e em tempo real que aprimora as capacidades de detecção além dos métodos tradicionais.

Design de estudo

1. Participantes: O estudo envolverá pacientes com diagnóstico de câncer gástrico localmente avançado que estão programados para tratamento cirúrgico. Esses pacientes serão submetidos a avaliações pré-operatórias padrão para confirmar sua elegibilidade.
2. Coleta de dados: Durante a cirurgia, serão capturadas gravações de vídeo dinâmicas da cavidade abdominal. Além disso, outros dados multimodais relevantes, como resultados de imagem, achados histopatológicos e parâmetros clínicos serão coletados.
3. Desenvolvimento de modelo de IA: Os dados coletados serão usados ​​para treinar e validar um modelo de IA. O modelo analisará o vídeo dinâmico juntamente com outros dados multimodais para identificar padrões e marcadores indicativos de metástase peritoneal oculta.
4. Avaliação e Validação: As previsões do modelo de IA serão comparadas com os resultados cirúrgicos e histopatológicos reais para avaliar sua precisão. O desempenho do modelo de IA será avaliado em termos de sensibilidade, especificidade e precisão diagnóstica geral.
5. Medidas de resultado: A medida de resultado primário será a precisão do modelo de IA na previsão de metástases peritoneais ocultas. Os resultados secundários incluirão o impacto desta previsão na tomada de decisão cirúrgica, resultados dos pacientes e melhorias potenciais nas taxas de sobrevivência.

Significado

A detecção de metástase peritoneal oculta no câncer gástrico localmente avançado é crucial para um planejamento de tratamento eficaz. Os métodos diagnósticos tradicionais muitas vezes não conseguem identificar essas metástases ocultas até que tenham progredido significativamente, limitando as opções de tratamento e afetando negativamente o prognóstico. Ao integrar IA com vídeo dinâmico intraoperatório e outros dados multimodais, este estudo visa desenvolver uma ferramenta de diagnóstico não invasiva em tempo real que possa detectar essas metástases com mais precisão e mais cedo do que os métodos convencionais.

Os benefícios potenciais desta abordagem incluem:

• Melhor tomada de decisões cirúrgicas: A previsão em tempo real de metástases ocultas pode informar estratégias cirúrgicas, permitindo intervenções mais precisas e direcionadas.
• Resultados aprimorados para os pacientes: A detecção precoce e precisa permite tratamentos oportunos e apropriados, melhorando potencialmente as taxas de sobrevivência e a qualidade de vida dos pacientes.
• Invasividade reduzida: Este método fornece um meio não invasivo de detecção de metástases, reduzindo a necessidade de procedimentos invasivos adicionais.
• Custo-benefício: A detecção e o tratamento precoces podem reduzir os custos gerais de saúde, prevenindo a progressão da doença e reduzindo a necessidade de tratamentos extensos em fases posteriores.

Conclusão

Este estudo clínico representa um avanço significativo no campo do diagnóstico do câncer gástrico. Ao aproveitar a IA para analisar dados multimodais, incluindo vídeo dinâmico intraoperatório, o objetivo é fornecer uma ferramenta poderosa para a previsão precoce e precisa de metástases peritoneais ocultas em pacientes com câncer gástrico localmente avançado. O sucesso desta abordagem poderá revolucionar a forma como as metástases são detectadas e tratadas, levando, em última análise, a melhores resultados para os pacientes.