Impact des comorbidités après cystectomie radicale à l'aide d'une méthode prédictive par intelligence artificielle
Évaluation de l'impact des comorbidités sur la morbidité et la mortalité après cystectomie radicale pour cancer à l'aide d'une méthode prédictive par intelligence artificielle
Promoteur : Centre Hospitalier Universitaire, Amiens
Titre et résumé traduits de l’anglais par le portail, à partir de la fiche publiée par le registre source, le 16 septembre 2026. Traduction automatique, sans relecture médicale : elle ne modifie ni n’interprète le contenu ; en cas de doute, le texte original fait foi.
Texte original (anglais)
Impact of COMORBIDities After Radical Cystectomy Using a Predictive Method With Artificial Intelligence
Evaluation of the Impact of COMORBIDities on Morbidity and Mortality After Radical Cystectomy for Cancer Using a Predictive Method With Artificial Intelligence
Clinician and the multidisciplinary team meeting in oncologic urology (MMO) play a key-role in the decision making. An unexplained surgeon attributable variance, probably linked to the subjective "eyeball test" effect, was identified as a strongest factor underlying non-compliance with guide line recommendations in the management of bladder cancer. So high-quality studies that identify barriers and modulators (such as comorbidities) of provider-level adoption of guidelines and how comorbidities are associated in making therapeutic choice and their impact in bladder cancer specific survival and overall survival, are crucial. To identify patients at high risk of early death, and to improve specific guideline for treatment might be decisive. In order to assess survival, where mortality events compete, it will be more appropriate to compute a Cumulative Incidence Function (namely CIF). The investigators will compare outcomes across patient populations to obtain information to improve clinical decision-making. Such learning will be done through the use of neural networks or by applying population-based approaches, such as Genetic Algorithms (GA), Ant Colony Systems (ACS) and Particle Swarm Optimization (PSO), using as a four-stage based approach. First, the investigators propose a "pretopology space" in order to study a dynamic phenomenon. Second, the investigators recall that the K-means approach remains one of the most used approaches for classifying a set of elements (patients / persons / others) into K (disjunctive) clusters. Third, the investigators propose a learning pretopology space for enhancing the clustering. Such an approach can be assimilated in spirit to one applied with high success on deep learning. Fourth and last, the investigators propose a reactive method that is able to include some new elements or remove some contained elements
Le clinicien et la réunion de concertation pluridisciplinaire en oncologie urologique (RCP) jouent un rôle clé dans la prise de décision. Une variance inexpliquée imputable au chirurgien, probablement liée à l'effet subjectif du « test du coup d'œil » (eyeball test), a été identifiée comme le facteur le plus important de non-conformité aux recommandations dans la prise en charge du cancer de la vessie. Des études de haute qualité identifiant les freins et les modulateurs (tels que les comorbidités) de l'adoption des recommandations par les praticiens, ainsi que la manière dont les comorbidités influencent le choix thérapeutique et leur impact sur la survie spécifique et la survie globale dans le cancer de la vessie, sont donc essentielles. Identifier les patients à haut risque de décès précoce et améliorer les recommandations spécifiques de traitement pourrait être déterminant. Pour évaluer la survie, en présence d'événements de mortalité concurrents, il sera plus approprié de calculer une fonction d'incidence cumulée (CIF). Les investigateurs compareront les résultats entre différentes populations de patients afin d'obtenir des informations permettant d'améliorer la prise de décision clinique. Cet apprentissage sera réalisé à l'aide de réseaux de neurones ou par application d'approches basées sur des populations, telles que les algorithmes génétiques (AG), les systèmes de colonies de fourmis (ACS) et l'optimisation par essaims particulaires (PSO), selon une approche en quatre étapes. Premièrement, les investigateurs proposent un « espace prétopologique » afin d'étudier un phénomène dynamique. Deuxièmement, les investigateurs rappellent que l'approche K-means reste l'une des approches les plus utilisées pour classer un ensemble d'éléments (patients / personnes / autres) en K groupes (disjoints). Troisièmement, les investigateurs proposent un espace prétopologique d'apprentissage afin d'améliorer la classification. Une telle approche peut être assimilée, dans son esprit, à celle appliquée avec un grand succès à l'apprentissage profond. Quatrièmement et enfin, les investigateurs proposent une méthode réactive capable d'inclure de nouveaux éléments ou d'en retirer certains.
Vous quittez essai-clinique.com pour le site externe clinicaltrials.gov, géré par l’organisme responsable de l’annonce. La candidature, les questions d’éligibilité et toute information médicale se traitent uniquement là-bas.
Important : essai-clinique.com ne recueille pas de candidature et ne détermine pas votre éligibilité. Ne transmettez aucune information médicale au site.
Les critères affichés sont une synthèse des informations disponibles. Seul l’organisme responsable de l’étude peut confirmer l’éligibilité d’une personne.