ABSTRACT
ABSTRACT Pancreatic ductal adenocarcinoma (PDAC) is a highly aggressive and lethal form of cancer with limited prognostic accuracy using traditional factors. This has led to the exploration of innovative prognostic models, including convolutional neural networks (CNNs), in PDAC. CNNs, a type of artificial intelligence algorithm, have shown promise in various medical applications, including image analysis and pattern recognition. Their ability to extract complex features from medical images makes them suitable for improving prognostication in PDAC. However, implementing CNNs in clinical practice poses challenges, such as data availability and interpretability. Future research should focus on multi-center studies, integrating multiple data modalities, and combining CNN outputs with biomarker panels. Collaborative efforts and patient autonomy should be considered to ensure the ethical implementation of CNN-based prognostic models. Further validation and optimisation of CNN-based models are necessary to enhance their reliability and clinical utility in PDAC prognostication.
RESUMO Contexto O adenocarcinoma ductal pancreático (ACDP) é uma forma de câncer altamente agressiva e letal com precisão prognóstica limitada usando fatores tradicionais. Isso levou à exploração de modelos prognósticos inovadores, incluindo redes neurais convolucionais (CNNs), no ACDP. As CNNs, um tipo de algoritmo de inteligência artificial, mostraram promessa em várias aplicações médicas, incluindo análise de imagem e reconhecimento de padrões. Sua capacidade de extrair características complexas de imagens médicas as torna adequadas para melhorar o prognóstico no ACDP. No entanto, a implementação de CNNs na prática clínica apresenta desafios, como a disponibilidade de dados e a interpretabilidade. Pesquisas futuras devem se concentrar em estudos multicêntricos, integrando múltiplas modalidades de dados e combinando saídas de CNN com painéis de biomarcadores. Esforços colaborativos e autonomia do paciente devem ser considerados para garantir a implementação ética de modelos prognósticos baseados em CNN. Mais validação e otimização de modelos baseados em CNN são necessárias para aumentar sua confiabilidade e utilidade clínica na prognostico do ACDP.