利用人工智能在泌尿癌中的风险分层和结果预测:一个系统性审查
Navid Roessler1, Marcin Miszczyk2, Keiichiro Miyajima3
1Department of Urology, Comprehensive Cancer Center, Medical University of Vienna, Vienna, Austria; Department of Urology, University Medical Center Hamburg-Eppendorf, Hamburg, Germany.
European urology focus
|December 18, 2025
概括
基于数字病理学的人工智能 (DP-AI) 生物标志物显示出个性化癌症治疗的前景. 需要进一步的前性验证,以将这些AI工具集成到临床实践中,以获得更好的患者结果.
科学领域:
- 泌尿外科瘤学 泌尿外科瘤学
- 数字病理学数字病理学
- 人工智能的人工智能是人工智能.
背景情况:
- 基于数字病理学的人工智能 (DP-AI) 生物标志物正在成为癌症管理的强大工具.
- 它们在泌尿癌中的预后和预测效用需要对当前证据进行综合.
研究的目的:
- 系统地审查和综合DP-AI模型在泌尿癌中的预后和预测价值的证据.
- 评估DP-AI生物标志物的临床整合准备程度.
主要方法:
- 对前列腺,膀,细胞,丸和阴茎癌中DP-AI的研究进行了MEDLINE,Embase和Web of Science的系统审查.
- 使用ROBINS-I工具评估了偏差风险,并对结果进行了定性总结.
主要成果:
- 包括31项涉及21,155名患者的研究,主要关注前列腺癌.
- DP-AI模型在前列腺癌,膀癌,细胞癌和丸癌的不同阶段显示出预后关联.
- 特定的DP-AI模型显示出在识别可能遗漏或受益于特定疗法的患者方面有潜力,例如雄激素剥夺疗法或Bacillus Calmette-Guérin治疗.
结论:
- DP-AI生物标志物在泌尿病恶性瘤中增强治疗个性化的显著前景.
- 将其纳入临床实践可以改善患者管理,但未来的验证至关重要.
更多相关视频
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
Published on: July 11, 2025
747
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
