Artificial intelligence for predicting response to neoadjuvant chemotherapy for bladder cancer
A comprehensive systematic review and meta-analysis
DOI :
https://doi.org/10.5489/cuaj.8681Mots-clés :
Bladder cancer, Radical cystectomy, Prognosis, Neoadjuvant, Artificial IntelligenceRésumé
INTRODUCTION: Neoadjuvant cisplatin-based combination chemotherapy (NAC) followed by radical cystectomy is the standard of care for cisplatin-fit patients harboring muscleinvasive bladder cancer (MIBC). Prediction of response to NAC is essential for clinical decision-making regarding alternatives in case of non-response, and bladder-sparing in case of complete response. This research aimed to assess the performance of machine learning in predicting therapeutic response following NAC treatment in patients with MIBC.
METHODS: A systematic review adhering to the PRISMA guidelines was conducted until July 2023. The study integrated articles relating to artificial intelligence and NAC response in MIBC from various databases. The quality of articles was evaluated using the Quality Assessment Tool for Diagnostic Accuracy Studies 2 (QUADAS-2). A meta-analysis was subsequently performed on selected studies to determine the sensitivity and specificity of machine learning algorithms in predicting NAC response.
RESULTS: Of 655 articles identified, 12 studies comprising 1523 patients were included, and four studies were eligible for meta-analysis. The sensitivity and specificity of the studies were 0.62 (95% confidence interval [CI] 0.50–0.72) and 0.82 (95% CI 0.72–0.89), respectively, with a heterogeneity score (I2) of 38.5%. The machine learning algorithms used computed tomography, genetic, and anatomopathologic data as input and exhibited promising potential for predicting NAC response.
CONCLUSIONS: Machine-learning algorithms, especially those using computed tomography, genetic, and pathologic data, demonstrate significant potential for predicting NAC response in MIBC. Standardization of methodologic data analysis and response criteria are needed as validation studies.
Téléchargements
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
Les auteurs accordent les droits d’auteurs liés à l’article et son contenu à l’Association des urologues du Canada. Cette entente signifie que vous ne pouvez pas faire ce qui suit, sans d’abord obtenir l’autorisation écrite de l’AUC :
- Afficher l’article sur tout site Web.
- Traduire ou autoriser une tierce partie à traduire l’article.
- Copier ou reproduire l’article par quelque moyen que ce soit et sous tout format que ce soit, ou autoriser d’autres à le faire, au-delà de ce qui est permis par la loi canadienne du droit d’auteur.
- Copier ou reproduire des sections de l’article, y compris les tableaux et figures, par quelque moyen que ce soit, ou autoriser d’autres à le faire, au-delà de ce qui est permis par la loi canadienne du droit d’auteur.
L’AUC encourage l’usage des articles à des fins éducatives sans but commercial et ne refusera pas sans motif raisonnable toute demande d’autorisation à cet effet.
Vous conservez le droit moral lié à l’article et son contenu. Cela signifie que l’AUC ne peut utiliser ses droits d’auteurs d’une manière telle que cela pourrait avoir des répercussions négatives sur votre réputation ou sur votre droit à être associé à l’article.
L’AUC exige également que vous garantissiez ce qui suit :
- Vous êtes l’auteur ou les auteurs et seul(s) propriétaire(s) du contenu, le contenu de l’article est original et n’a jamais été publié et vous n’en avez pas déjà cédé les droits d’auteurs ni accordé de licence concernant son contenu à toute autre tierce partie;
- Toutes les personnes qui ont contribué de manière considérable à la rédaction de l’article sont mentionnées;
- L’article ne viole aucun droit de propriété de toute tierce partie, et vous avez obtenu les autorisations requises pour inclure les travaux d’autres personnes dans cet article; et
- L’article ne diffame aucune tierce partie ni ne viole les droits à la vie privée de toute tierce partie.
