Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

An MRI-Based Study of Intelligent Pathological Subtyping and Grading of Renal Tumors

29. července 2026 aktualizováno: Xiongjun Ye, Cancer Institute and Hospital, Chinese Academy of Medical Sciences
This retrospective + prospective, non-interventional study aims to develop and evaluate artificial intelligence methods for the detection, pathological subtyping, and histological grading of renal tumors using magnetic resonance imaging (MRI). Approximately 900 adult patients with available preoperative renal MRI examinations and postoperative pathological results will be included. The pathological findings will be used as the reference standard for model development and evaluation. In addition to MRI data, selected demographic, clinical, and laboratory information may be incorporated to improve model performance. The study will not change participants' diagnosis, treatment, or follow-up, and no additional examinations or interventions will be required. All study data will be de-identified before analysis. The ultimate goal is to develop an MRI-based intelligent diagnostic approach that may assist clinicians in the preoperative assessment and individualized management of patients with renal tumors.

Přehled studie

Postavení

Postavení

Označuje aktuální stav náboru nebo stav rozšířeného přístupu.
Nábor

Podmínky

Podmínky

Nemoc, porucha, syndrom, nemoc nebo zranění, které je studováno. Na webu ClinicalTrials.gov mohou podmínky zahrnovat i další problémy související se zdravím, jako je délka života, kvalita života a zdravotní rizika.

Intervence / Léčba

Intervence / Léčba

Proces nebo akce, na které se klinická studie zaměřuje. Intervence zahrnují léky, zdravotnická zařízení, postupy, vakcíny a další produkty, které jsou buď zkoušené nebo již dostupné. Intervence mohou také zahrnovat neinvazivní přístupy, jako je edukace nebo úprava stravy a cvičení.

Detailní popis

Renal tumors include multiple benign and malignant pathological subtypes with substantial differences in biological behavior, treatment strategy, and prognosis. Surgical planning and clinical management are closely related to the pathological subtype and histological grade of the tumor. However, accurately determining these pathological characteristics before surgery using conventional MRI interpretation remains challenging.

This is a retrospective + prospective, observational, and non-interventional study. Adult patients with renal tumors will be identified from existing clinical records. Eligible patients will have available renal MRI examinations and corresponding pathological diagnoses, including pathological subtype and, when applicable, histological grade. Cases with unreadable MRI data or images of insufficient quality for analysis will be excluded.

Existing study data will include multisequence MRI examinations, such as T1-weighted imaging, T2-weighted imaging, diffusion-weighted imaging, apparent diffusion coefficient imaging, fat-suppressed imaging, and contrast-enhanced imaging, when available. Demographic information, relevant clinical history, laboratory results, and radiology report information may also be collected. Pathological findings will serve as the reference standard for model training and evaluation. All data will be de-identified before processing and analysis.

The study will develop artificial intelligence models for the following tasks:

  1. Detection and localization of renal tumors on multisequence MRI.
  2. Segmentation of renal tumors and extraction of quantitative imaging features.
  3. Classification of common benign and malignant renal tumor subtypes.
  4. Identification of rare pathological subtypes using small-sample or cross-modal learning methods.
  5. Prediction of histological grade for malignant renal tumors.
  6. Integration of MRI, demographic, clinical, and laboratory information to improve pathological subtyping and grading.

The dataset will be divided into model-development and validation datasets. Additional cases collected from different time periods or participating sources may be used for independent testing. Model performance will be evaluated by comparing artificial intelligence predictions with pathological diagnoses.

This study does not assign any treatment or diagnostic intervention. It will not affect participants' routine clinical care and will not require additional imaging examinations, blood collection, surgery, medication, or follow-up visits. The study is intended to develop an intelligent MRI-based diagnostic system that may support preoperative decision-making for patients with renal tumors.

Typ studie

Typ studie

Popisuje povahu klinické studie. Typy studií zahrnují intervenční studie (také nazývané klinické studie), observační studie (včetně registrů pacientů) a rozšířený přístup.
Pozorovací

Zápis (Odhadovaný)

Zápis

Počet účastníků klinické studie. „Očekávaný“ zápis je cílový počet účastníků, které výzkumníci pro studii potřebují.
900

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

Studijní kontakt

Jméno a kontaktní údaje osoby, která může odpovědět na otázky týkající se registrace do klinické studie. Každé místo, kde se studie provádí, může mít také konkrétní kontakt, který může lépe odpovědět na tyto otázky.

Studijní místa

  • Čína
      • Beijing, Čína
        • Nábor
        • Cancer Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College
        • Kontakt:

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Kritéria způsobilosti

Klíčové požadavky, které musí lidé, kteří se chtějí zúčastnit klinické studie, splňovat nebo vlastnosti, které musí mít. Kritéria způsobilosti se skládají jak z kritérií pro zařazení (která jsou vyžadována pro účast osoby ve studii), tak z kritérií vyloučení (která brání osobě v účasti). Typy kritérií způsobilosti zahrnují, zda studie přijímá zdravé dobrovolníky, má požadavky na věk nebo věkovou skupinu nebo je omezena pohlavím.

Věk způsobilý ke studiu

  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

This retrospective + prospective, hospital-based study includes adult patients with renal tumors who underwent preoperative renal MRI as part of routine clinical care and had corresponding pathological diagnoses. Eligible cases include benign and malignant renal tumor subtypes. Existing de-identified MRI, pathological, demographic, clinical, and laboratory data are collected for artificial intelligence model development and evaluation. No healthy volunteers are included, and no additional examinations, treatments, or study-specific follow-up are performed.

Popis

Inclusion Criteria:

  • Patients aged 18 years or older.
  • Patients diagnosed with a renal tumor.
  • Availability of preoperative renal magnetic resonance imaging examinations.
  • Availability of a corresponding pathological diagnosis, including pathological subtype and, where applicable, histological grade.
  • Magnetic resonance images that can be successfully retrieved and are of - - sufficient quality for image analysis.

Exclusion Criteria:

  • Absence of renal magnetic resonance imaging data.
  • Absence of a corresponding pathological diagnosis or insufficient pathological subtype or grading information.
  • Magnetic resonance images that cannot be retrieved, opened, or read.
  • Poor image quality that precludes reliable image annotation or artificial intelligence analysis.

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta

Skupina / kohorta

Skupina nebo podskupina účastníků pozorovací studie, která je hodnocena z hlediska biomedicínských nebo zdravotních výsledků.
Intervence / Léčba

Intervence / Léčba

Proces nebo akce, na které se klinická studie zaměřuje. Intervence zahrnují léky, zdravotnická zařízení, postupy, vakcíny a další produkty, které jsou buď zkoušené nebo již dostupné. Intervence mohou také zahrnovat neinvazivní přístupy, jako je edukace nebo úprava stravy a cvičení.
Patients With Renal Tumors
Adult patients with pathologically confirmed renal tumors who underwent preoperative multisequence renal MRI as part of routine clinical care and had available pathological subtype and, when applicable, histological grade information. Existing de-identified MRI, pathological, clinical, and laboratory data were collected for artificial intelligence model development and evaluation. No additional examination, treatment, or study-specific intervention was administered.
Diagnostický test: MRI-Based Artificial Intelligence Analysis
Existing preoperative multisequence renal MRI images, including T1-weighted imaging, T2-weighted imaging, diffusion-weighted imaging, apparent diffusion coefficient imaging, fat-suppressed imaging, and contrast-enhanced imaging when available, were retrospectively analyzed using artificial intelligence and deep learning methods. The models were developed to detect and segment renal tumors and to predict pathological subtype and histological grade. Postoperative pathological findings were used as the reference standard. No additional MRI examination or diagnostic procedure was performed for the study.

Co je měření studie?

Primární výstupní opatření

Primární výstupní opatření

V protokolu klinické studie je plánovaná výsledná míra, která je nejdůležitější pro hodnocení účinku intervence/léčby. Většina klinických studií má jedno primární měřítko výsledku, ale některé mají více než jedno.
Měření výsledku
Popis opatření
Časové okno
Accuracy of MRI-Based Artificial Intelligence for Pathological Subtyping of Renal Tumors
Časové okno: At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.
The pathological subtype predicted by the MRI-based artificial intelligence model will be compared with the postoperative pathological diagnosis as the reference standard in the held-out test dataset. Accuracy will be calculated as the number of correctly classified renal tumors divided by the total number of renal tumors evaluated. Classification performance for individual pathological subtypes will also be summarized using sensitivity, specificity, and F1 score, where applicable.
At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.
Accuracy of MRI-Based Artificial Intelligence for Histological Grading of Malignant Renal Tumors
Časové okno: At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.
The histological grade predicted by the MRI-based artificial intelligence model will be compared with the postoperative pathological grade as the reference standard. Histological grading will be assessed according to the four-tier World Health Organization/International Society of Urological Pathology grading system. Accuracy will be calculated as the number of malignant renal tumors with correctly predicted histological grade divided by the total number of malignant renal tumors evaluated.
At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.

Sekundární výstupní opatření

Sekundární výstupní opatření

V protokolu klinické studie jde o plánované měřítko výsledku, které není tak důležité jako primární měřítko výsledku pro hodnocení účinku intervence, ale je stále zajímavé. Většina klinických studií má více než jedno sekundární měřítko výsledku.
Měření výsledku
Popis opatření
Časové okno
Performance of the Artificial Intelligence Model for Renal Tumor Detection
Časové okno: At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.
The ability of the artificial intelligence model to detect and localize renal tumors on multisequence MRI will be evaluated by comparing model-generated tumor locations with expert manual annotations. Detection performance will be summarized using sensitivity and the proportion of correctly localized renal tumors.
At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.
Accuracy of Artificial Intelligence-Based Renal Tumor Segmentation
Časové okno: At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.
Artificial intelligence-generated renal tumor segmentations will be compared with pixel-level manual annotations prepared under the supervision of experienced physicians. Segmentation agreement will be evaluated using the Dice similarity coefficient.
At completion of model evaluation using retrospective data collected from January 2021 through July 2026 and prospective data collected through December 2026.

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Sponzor

Organizace nebo osoba, která iniciuje studii a která má autoritu a kontrolu nad studií.
Cancer Institute and Hospital, Chinese Academy of Medical Sciences

Spolupracovníci

Spolupracovníci

Organizace jiná než zadavatel, která poskytuje podporu klinické studii. Tato podpora může zahrnovat činnosti související s financováním, návrhem, implementací, analýzou dat nebo podáváním zpráv.
Shanxi Province Cancer Hospital
Peking University People's Hospital
Chinese PLA General Hospital
RenJi Hospital
Cancer Hospital Chinese Academy of Medical Science, Shenzhen Center

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

Začátek studia

Skutečné datum, kdy byl první účastník zařazen do klinické studie. „Očekávané“ datum zahájení studie je datum, o kterém si vědci myslí, že bude datem zahájení studie.
1. ledna 2021

Primární dokončení (Odhadovaný)

Primární dokončení

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo obdržel intervenci ke sběru konečných dat pro primární měření výsledku. Zda byla klinická studie ukončena podle protokolu nebo byla ukončena, toto datum neovlivňuje. U klinických studií s více než jedním primárním výstupním měřením s různými daty dokončení se tento termín vztahuje k datu, kdy je dokončen sběr dat pro všechna primární výsledná měření. „Očekávané“ datum primárního dokončení je datum, o kterém si vědci myslí, že bude primárním datem dokončení studie.
31. prosince 2026

Dokončení studie (Odhadovaný)

Dokončení studie

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo dostal intervenci/léčbu za účelem shromáždění konečných dat pro měření primárního výsledku, sekundárního měření výsledku a nežádoucí příhody (tj. poslední návštěva posledního účastníka). „Očekávané“ datum dokončení studie je datum, o kterém si vědci myslí, že bude datem dokončení studie.
31. prosince 2026

Termíny zápisu do studia

První předloženo

První předloženo

Datum, kdy zadavatel studie nebo zkoušející poprvé předložil záznam studie na ClinicalTrials.gov. Mezi prvním odeslaným datem a dostupností záznamu na ClinicalTrials.gov (první zveřejněné datum) je obvykle několik dní.
29. července 2026

První předloženo, které splnilo kritéria kontroly kvality

První předloženo, které splnilo kritéria kontroly kvality

Datum, kdy zadavatel studie nebo zkoušející poprvé předloží záznam studie, který je v souladu s kritérii kontroly kvality (QC) Národní lékařské knihovny (NLM). Sponzor nebo zkoušející může potřebovat revidovat a předložit záznam studie jednou nebo vícekrát, než budou splněna kritéria kontroly kontroly kvality NLM. Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
29. července 2026

První zveřejněno (Aktuální)

První zveřejněno

Datum, kdy byl záznam studie poprvé k dispozici na webu ClinicalTrials.gov poté, co byla dokončena kontrola kontroly kvality (QC) National Library of Medicine (NLM). Mezi datem, kdy zadavatel studie nebo zkoušející předložil záznam studie, a prvním zveřejněným datem je typicky několik dní zpoždění.
4. srpna 2026

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

Poslední zveřejněná aktualizace

Nejnovější datum, kdy byly změny záznamu studie zpřístupněny na ClinicalTrials.gov. Mezi okamžikem, kdy byly změny odeslány na ClinicalTrials.gov sponzorem nebo zkoušejícím studie (datum poslední předložení aktualizace), a datem zveřejnění poslední aktualizace může nastat zpoždění.
4. srpna 2026

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Nejnovější datum, kdy zadavatel studie nebo zkoušející předložil změny záznamu studie, které jsou v souladu s kritérii kontroly kvality (QC) National Library of Medicine (NLM). Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
29. července 2026

Naposledy ověřeno

Naposledy ověřeno

Nejnovější datum, kdy zadavatel studie nebo zkoušející potvrdil informace o klinické studii na webu ClinicalTrials.gov jako přesné a aktuální. Pokud jde o studii s náborovým statusem náboru; ještě nenabírá nábor; nebo aktivní, nebyl nábor potvrzen během posledních 2 let, status náboru studie je uveden jako neznámý.
1. července 2026

Více informací

Termíny související s touto studií

Klíčová slova

Další relevantní podmínky MeSH

Další identifikační čísla studie

Další identifikační čísla studie

Identifikátory nebo ID čísla jiná než číslo NCT, které klinické studii přiděluje zadavatel studie, financující subjekty nebo jiní. Tato čísla mohou zahrnovat jedinečné identifikátory z jiných registrů studií a čísla grantů National Institutes of Health.
  • NCC-020738

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Nastavení souborů cookie

Používáme cookies, abychom zajistili, že vám poskytneme nejlepší zážitek z našich webových stránek. Pro více informací si pečlivě přečtěte naše Zásady ochrany osobních údajů a cookies. ...>>>Svou preference můžete kdykoli změnit nebo svůj souhlas odvolat odstraněním cookies z vašeho webu nebo počítače, jak je popsáno v zásadách. Přijměte to a vyberte své předvolby zaškrtnutím příslušných polí v části „Správa nastavení“ níže. Než budete pokračovat v používání jakékoli části tohoto webu, pozorně si prosím přečtěte naše Podmínky služby.
«Spravovat nastavení