Förstärkt blåstumördetektering med realtidsbaserad artificiell intelligens (Bladder-PAD)

Idag är standarden för diagnos och övervakning av blåstumörer blåsendoskopi. Prestandan för detta prov är inte perfekt. Med detta arbete, baserat på artificiell intelligens, vill utredarna kombinera endoskopi med ett kompletterande diagnostiskt verktyg för att förbättra patientvården. Huvudsyftet kommer att vara att minska diagnostiska fel/vandringar hos patienter som behandlas eller följs för blåstumörer, genom att införa en ny standard för diagnostisk blåskartering (hög PPV och VPN, hög precision) (diagnostik med primärt syfte). Det sekundära målet kommer att vara att homogenisera och systematisera den beskrivande delen av lesionerna, och att använda AI för att bättre karakterisera tumöraggressivitet. Det slutliga målet är att validera ett nytt precisionsverktyg (diagnostisk följeslagare) som är väsentligt för att utveckla och standardisera den terapeutiska behandlingen av blåstumörer (korrigera heterogenitet mellan observatörer).

I det här projektet kommer videoramen först att extraheras från vår datauppsättning av cystoskopivideor som finns i Next Cloud Recherche. Utvald medicinsk bild kommer att segmenteras och analyseras med vår förtränade CNN-modell med en funktionsdetekteringsalgoritm för att erhålla funktioner.

Data kommer att analyseras på både patient- och lesionsnivåer. Studien kommer att bedöma noggrannheten i Blås-PAD vid upptäckt av blåstumörer och dess förmåga att förutsäga tumörrisk för återfall och progression.