Предикторы рака яичников и рака эндометрия для инструментов скрининга на основе искусственного интеллекта

Методология:

Это исследование будет включать два разных этапа

1. На первом этапе будет проведено когортное исследование для выявления возможных предикторов каждого типа рака.
2. На втором этапе будет разработано тестирование по месту оказания медицинской помощи на основе модели искусственного интеллекта для прогнозирования возникновения рака и проспективное тестирование новых участников с использованием метода диагностического исследования. Инструменты предсказывают текущий результат гистопатологии и возможную будущую гистопатологию в течение одного года.

Участники и источник данных В исследовательском центре женщины с гинекологическими симптомами или без них прошли гинекологическое и патологическое обследование для исключения рака яичников и эндометрия в нашем исследовательском центре. Данные хранятся в цифровом виде, и извлечение будет производиться соответствующим образом.

Переменные и измерение результатов

1. Демографические данные и данные о состоянии здоровья. Эта информация получена в результате первоначальной оценки пациентов, включая возраст, индекс массы тела, хронические заболевания, гинекологический и акушерский профиль, менструальный цикл и методы контрацепции.
2. Клинические и лабораторные данные включают общий анализ крови, выбранный биомаркер, ассоциированный с раком (например, раковый антиген 125 (Ca-125)), поражение лимфатических узлов, гистопатологию соответствующих тканей и признаки метастазов по клиническим или рентгенологическим данным.
3. Результат окончательный гистопатологический тип и классификация оцениваются как минимум двумя патологоанатомами для определения типа рака. Руководящие принципы классификации соответствуют классификации Всемирной организации здравоохранения.

Разработка инструментов скрининга на основе искусственного интеллекта

1. Исследователь будет разрабатывать

   - информационная модель, в которой пользователь будет давать ответ на каждый предиктор

   - модель на основе изображений, в которой пользователь предоставляет захваченное изображение для прогнозирования

   - смешанная модель, в которой пользователь может комбинировать захваченные изображения и информацию для каждого предиктора

2. предлагаемая модель

   - на основе скоринга, полученного из коэффициента регрессии

   - Древо решений

   - случайный лес

   - искусственная нейронная сеть

   • сверточная нейронная сеть
3. Выбор модели

1. Скрининг производительности на разделенных данных (или с использованием метода перекрестной проверки)

2. оценка логарифмической потери или вероятности

   Лента новостей

   1. На первом этапе исследования для каждого участника будет проводиться меняющаяся во времени оценка, однако по крайней мере участники проходят оценку всех факторов и исходов на исходном уровне. Повторная оценка по предложению врача будет проведена в течение одного года после исходной оценки.

   2. Во втором исследовании будет применяться проспективный скрининг. Инструмент скрининга на основе искусственного интеллекта будет использоваться одновременно с золотым стандартом диагностики.

   Возможная предвзятость процедур, особенно в интерпретации результатов надежности, устраняется с привлечением нескольких патологоанатомов. Патологоанатом и специалист по скринингу будут проводить скрининг независимо друг от друга, чтобы уменьшить склонность к предыдущим результатам, полученным с помощью недавно разработанных инструментов скрининга.

   Размер образца

   1. Первый этап исследования предполагает, что

а. Распространенность обоих видов рака среди всех онкологических заболеваний у женщин составила 5% б. Ошибка типа I установлена ​​на уровне 5% c. абсолютная ошибка распространенности 1% при использовании формулы пропорции одной выборки, предполагаемый размер выборки составляет 1825 участников.

2. После диагностического исследования мы заявляем, что новая модель инструментов скрининга продемонстрирует не меньшую эффективность по сравнению с гистопатологией в качестве золотого стандарта, предполагая, что

а. ожидаемая разница в значении чувствительности составляет 5 % при условии, что новые инструменты скрининга будут обладать чувствительностью 85 %, а чувствительность гистопатологии — 90 % b. будет проведено перекрестное тестирование, обеспечивающее равное распределение скрининговых вмешательств c. Ошибка 1 типа исследования установлена ​​на уровне 5% d. Мощность исследования установлена ​​на уровне 80%, общий размер выборки для предполагаемого инструмента скрининга составит 1080 участников.

Данные Количественная оценка и дискретизация Некоторые клинические данные будут классифицироваться в соответствии с установленными рекомендациями, например, индексом массы тела.

Предлагаемый статистический анализ

1. Описательная статистика и двумерный анализ
2. Cox-регрессия будет проводиться в соответствии с временной шкалой от исходного уровня до события.
3. Будет проведен анализ подгрупп, особенно по определенным демографическим и сопутствующим заболеваниям.

Что касается второго этапа, анализ позволит выявить

1. чувствительность
2. специфичность
3. точность
4. точность
5. Количество необходимых для лечения выбранных моделей будет развернуто в приложении.