Искусственный интеллект и определение стадии рака верхних отделов желудочно-кишечного тракта

Рак пищевода и желудка, представляющий собой рак верхних отделов пищеварительной системы, часто наблюдается и, к сожалению, имеет низкий процент излеченных пациентов. В этих случаях стадия рака при постановке диагноза очень важна по двум причинам; Во-первых, стадия рака напрямую связана со временем выживания. Во-вторых, лечение планируется в соответствии со стадией. Различные методы лечения применяются к пациентам на разных стадиях. В настоящее время во всем мире принята система стадирования TNM (опухоль, лимфатический узел и метастазы). Несмотря на множество передовых технологических инструментов, используемых для стадирования (компьютерная томография, магнитно-резонансная томография, эндоскопическая ультрасонография), все еще существуют трудности с правильной стадией до операции или до-после неоадъювантной терапии. Методы искусственного интеллекта все чаще используются в сфере здравоохранения, особенно в диагностике и лечении онкологических заболеваний. Получение невидимых человеческому глазу деталей рака на рентгенологических изображениях путем анализа больших данных с помощью алгоритмов породило прикладную область «радиомика». Утверждается, что с Radiomics будут улучшения как в диагностике, так и в стадировании рака и, соответственно, в лечении. Хотя существуют исследования по использованию эндоскопических методов с искусственным интеллектом для ранней диагностики рака пищевода, было проведено ограниченное количество исследований по оценке стадии по рентгенологическим изображениям. В частности, недостаточно исследований по изучению изменения размеров опухоли после химиотерапии с использованием искусственного интеллекта и оценке стадирования. В этом исследовании его целью было изучить прогностическую эффективность стадирования и точность алгоритма, разработанного с помощью искусственного интеллекта, путем обработки томографических изображений в регионе, где рак пищевода является эндемичным в качестве основного исхода, и оценить постлечебную смертность, заболеваемость. частота и частота осложнений у пациентов как вторичный результат.