L'ère des natifs numériques est en approche : Aperçus sur le soutien en ligne entre pairs pour les personnes touchées par le cancer de la prostate

Contexte !#! La détection et la surveillance optimales du cancer de la vessie (BCa) reposent principalement sur la visualisation cystoscopique des lésions vésicales. La cystoscopie assistée par l'IA peut améliorer la reconnaissance des images et accélérer l'acquisition des données. !##! Objectif !#! Fournir une revue exhaustive des applications de l'apprentissage machine (ML), de l'apprentissage profond (DL) et des réseaux de neurones convolutifs (CNN) dans la reconnaissance d'images cystoscopiques. !##! Acquisition des preuves !#! Une recherche détaillée d'articles originaux a été effectuée à l'aide de la base de données PubMed-MEDLINE pour identifier la littérature récente en anglais pertinente aux applications de ML, DL et CNN dans la reconnaissance d'images cystoscopiques. !##! Synthèse des preuves !#! Au total, deux articles et un résumé de conférence ont été identifiés, abordant l'application des méthodes d'IA dans la reconnaissance d'images cystoscopiques. Ces investigations ont montré des précisions dépassant 90 % pour la détection des tumeurs ; néanmoins, des travaux futurs sont nécessaires pour intégrer ces méthodes dans la cystoscopie assistée par l'IA et les comparer à d'autres outils de visualisation des tumeurs. De plus, nous présentons les résultats de l'initiative du consortium RaVeNNA-4pi qui a extrait 4200 images de 62 vidéos, les a analysées avec le réseau U-Net et a obtenu un score de dice moyen de 0,67. Des améliorations de sa précision peuvent être réalisées en augmentant la base de données vidéo/image. !##! Conclusion !#! La cystoscopie assistée par l'IA a le potentiel de surpasser les urologues dans la reconnaissance et la classification des lésions vésicales. Cependant, pour garantir leur mise en œuvre dans la vie réelle, ces algorithmes nécessitent une validation externe pour généraliser leurs résultats à d'autres ensembles de données.