Diagnos av peritoneal exfoliativ cytologi-positiv gastrisk cancer baserad på artificiell intelligens-driven virtuell biopsiteknik (GC-CY1)

Denna kliniska studie syftar till att utveckla och utvärdera en artificiell intelligens (AI)-driven virtuell biopsiteknologi för diagnos av gastrisk cancer med positiv peritoneal exfoliativ cytologi (PEC). Magcancer med peritoneal metastaser utgör ofta en utmaning för tidig upptäckt och diagnos, med traditionella diagnostiska metoder som avbildning och histopatologi är begränsade i sensitivitet och specificitet.

I denna studie föreslår vi användningen av AI-algoritmer för att analysera icke-invasiva biomarkörer, inklusive transkriptomiska profiler och bilddata, för att förutsäga förekomsten av peritoneal exfoliativ cytologipositiv magcancer. Virtuell biopsi utnyttjar AI för att integrera flera datauppsättningar, vilket ger ett omfattande diagnostiskt verktyg som potentiellt kan ersätta eller komplettera nuvarande invasiva diagnostiska procedurer. Genom att utveckla denna teknologi strävar vi efter att förbättra den tidiga diagnosen och övervakningen av magcancer, särskilt i fall med ockult peritoneal metastasering, och i slutändan förbättra patientresultaten genom mer lägliga och exakta behandlingsstrategier.

Studien kommer att involvera insamling av kliniska prover från magcancerpatienter med misstänkt peritoneal metastasering. AI-modellen kommer att tränas på dessa prover för att identifiera relevanta biomarkörer för PEC-positiv magcancer. Klinisk validering kommer att utföras för att bedöma prestandan hos detta AI-drivna virtuella biopsisystem jämfört med konventionella diagnostiska metoder.

Denna studie har potential att tillhandahålla ett nytt, icke-invasivt diagnostiskt tillvägagångssätt för magcancer med peritoneal involvering, vilket erbjuder ett betydande framsteg inom området för tidig cancerupptäckt och personlig medicin.