预测膀癌新辅助化疗反应的人工智能 一个全面的系统性审查和元分析
Caio Vinícius Suartz1, Lucas Motta Martinez1, Maurício Dener Cordeiro1
1Division of Urology, Institute of Cancer of São Paulo, University of São Paulo, São Paulo, Brazil.
概括
机器学习在预测接受新辅助化疗 (NAC) 的肌肉侵入性膀癌 (MIBC) 患者的治疗反应方面表现有希望. 使用CT,遗传和病理数据的算法可以指导临床决策,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 基于西斯的新辅助组合化疗 (NAC) 随后的激进囊切除术是肌肉侵入性膀癌 (MIBC) 的标准.
- 预测NAC反应对于治疗决策至关重要,包括替代疗法或膀节约方法.
- 准确的预测有助于优化MIBC患者管理和结果.
研究的目的:
- 系统地审查和评估机器学习 (ML) 算法的性能,以预测MIBC患者对NAC的治疗反应.
- 评估ML模型用于NAC响应预测的诊断准确度.
主要方法:
- 根据PRISMA指南进行了系统审查和元分析,直到2023年7月.
- 在多个数据库中搜索了MIBC中AI和NAC响应研究.
- 使用 QUADAS-2 评估研究质量并进行元分析以确定灵敏度和特异性.
主要成果:
- 包括12项涉及1523名患者的研究;4项有资格进行元分析.
- ML算法表现出0.62 (95% CI 0.50-0.72) 的灵敏度和0.82 (95% CI 0.72-0.89) 的特异性.
- 利用计算机断层扫描,遗传和解剖病理学数据的算法显示出有前途的预测潜力.
结论:
- 机器学习算法显示出在MIBC中预测NAC响应的巨大潜力.
- CT,遗传和病理学数据是这些预测模型的宝贵输入.
- 需要进一步的验证研究和方法和响应标准的标准化.
