Harnessing Artificial Intelligence for Risk Stratification and Outcome Prediction in Urologic Cancers: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Digital pathology-based artificial intelligence (DP-AI) biomarkers are emerging as transformative tools to guide clinical management of patients affected by various malignancies. We aimed to synthesise current evidence regarding their prognostic and predictive utility in urologic cancers. METHODS: In this prospectively registered systematic review (PROSPERO: CRD420251036536), we searched MEDLINE, Embase, and Web of Science in April 2025 for studies evaluating the prognostic and predictive values of DP-AI models in patients with prostate (PCa), bladder (BCa), renal cell (RCC), testicular (TCa), or penile (PeCa) cancer. The risk of bias was assessed using the Risk of Bias in Non-randomized Studies of Interventions (ROBINS-I) tool. Results were tabulated and summarised qualitatively. KEY FINDINGS AND LIMITATIONS: Of the 1537 screened individual records, we included 31 studies validating DP-AI models in 21 155 patients. Nineteen studies were conducted in PCa (n = 17 541), six in BCa (n = 2349), five in RCC (n = 1176), and one in TCa (n = 89) patients. Ten PCa studies (n = 8951) utilised the ArteraAI model, including two (n = 2786) showing that it allows identification of patients treated with radiotherapy for clinically localised PCa that can safely omit short-term (subdistribution hazard ratio [sHR] 0.34; 95% confidence interval [CI]: 0.19-0.63) or long-term (sHR 0.55; 95% CI: 0.41-0.73) androgen deprivation therapy. Two studies (n = 894) developed and validated a model allowing identification of patients with non-muscle-invasive BCa poorly responding to Bacillus Calmette-Guérin (HR 2.3; 95% CI: 1.9-2.8), including one study (n = 253) validating a predictive biomarker for patients who may benefit from upfront gemcitabine/docetaxel. Many DP-AI models showed a prognostic association in localised PCa (n = 16 863), metastatic PCa (n = 678), non-muscle-invasive BCa (n = 2069), muscle-invasive BCa (n = 280), localised RCC (n = 1176), and germline TCa (n = 89) settings. None of the included studies assessed DP-AI models prospectively. CONCLUSIONS AND CLINICAL IMPLICATIONS: DP-AI biomarkers hold promise to improve treatment personalisation through integration into clinical practice. Prospective validation is now required.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».