Naukowcy opublikowali artykuł zatytułowany Bladder Cancer Diagnosis with Deep Learning: A Multi-Task Framework and Online Platform (Jinliang Yu i in., 2025) w otwartym repozytorium arXiv, prezentując nowatorskie podejście do automatycznej diagnostyki raka pęcherza moczowego. Autorzy opracowali wielozadaniowy model głębokiego uczenia, który integruje klasyfikację, segmentację i subtypowanie molekularne zmian nowotworowych na podstawie obrazów cystoskopowych, osiągając wysokie wskaźniki dokładności i efektywności diagnostycznej. Opisywana platforma zawiera m.in. mechanizmy uwagi (attention) oraz moduły sieci neuronowych, które poprawiają wykrywalność zmian i umożliwiają bardziej obiektywną ocenę obrazu klinicznego, zmniejszając zależność od subiektywnej interpretacji lekarza.

Według autorów model osiągnął bardzo wysoką skuteczność (AUC 96,41 proc.) oraz dobre wskaźniki miar jakości segmentacji guza, co może znacząco poprawić wczesne wykrywanie nowotworu i zoptymalizować ścieżki diagnostyczne pacjentów. Opracowana platforma internetowa zintegrowana z algorytmami umożliwia przesyłanie obrazów w różnych formatach i dynamiczną regulację progów decyzyjnych, co zwiększa jej użyteczność w warunkach klinicznych. Tego typu narzędzia mogą przekształcić cystoskopię z procedury wysoce zależnej od doświadczenia lekarza w bardziej standaryzowany i powtarzalny proces diagnostyczny.

W kontekście urologii klinicznej takie rozwiązania są szczególnie obiecujące, gdyż rak pęcherza moczowego jest chorobą o dużej częstości nawrotów i konieczności długotrwałej obserwacji. Automatyzacja diagnostyki może przyczynić się do wcześniejszego wykrywania zmian oraz lepszego zarządzania terapią, co z kolei może poprawić wyniki leczenia i zmniejszyć obciążenie systemu ochrony zdrowia. Wyniki tej pracy wskazują, że AI wspomagana diagnostyka może stać się integralną częścią przyszłych standardów opieki urologicznej.

Artykuł naukowy: Yu J, Xie M, Wang Y i in. Bladder Cancer Diagnosis with Deep Learning: A Multi-Task Framework and Online Platform. arXiv, 21 Aug 2025
Źródło: arXiv – deep learning w diagnostyce raka pęcherza
Opracowanie redakcyjne: Debaty Zdrowie