- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT05723965
Využití umělé inteligence k předvídání výsledků rakoviny konečníku
Použití rozpoznávání obrazu CNN k předpovídání výsledků rakoviny konečníku
Vyšetřovatel retrospektivně shromažďuje případy v letech 2010–2021 diagnostikované jako rektální adenokarcinom pomocí vysoce kvalitních CT snímků. Místní pokročilé případy rakoviny konečníku byly označeny jako „nemoc“. Nebyly definovány ani „normální“.
Pomocí umělé inteligence CNN na jupyter notebooku s otevřeným phyton kódem trénovat a vyvíjet modely schopné rozpoznat místní pokročilou rakovinu konečníku. Upravte kód phyton pro lepší předpovědi četnosti a pomozte lékaři rychle vyhodnotit závažnost onemocnění u čerstvých případů rakoviny konečníku.
Přehled studie
Postavení
Podmínky
Detailní popis
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
-
Taichung, Tchaj-wan
- Taichung Verterans General Hospital
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- klinického stagingu T3-4 s vysoce kvalitními CT snímky.
Kritéria vyloučení:
- 1. není primární maligní léze
- 2. nelokalizující konečník
- 3. T1-2 léze
- 4. Nekontrastní nebo nekvalitní obrázky
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
---|---|
obrázky lézí rakoviny konečníku pro trénink
Obrázky lézí rakoviny konečníku.
Snímky s ohroženým (<2 mm) obvodovým okrajem rakoviny konečníku byly označeny jako „nemocné“.
Jinak byly obrázky označeny jako „normální“.
Použití těchto materiálů jako školicích materiálů pro vytváření modelu hlubokého učení AI.
|
Použití označených obrázků jako školicích materiálů pro umělou inteligenci k vývoji modelu detekce objektů.
|
obrázky lézí rakoviny konečníku pro testování.
Použití modelů hloubkového učení se AI z tréninkové kohorty.
Vyhodnocení míry predikce modelu a analýzy výsledků přežití.
|
Použití externí validační sady k vyhodnocení míry predikce a výsledku přežití.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
---|---|---|
přesnost umělé inteligence se zkušeným lékařem
Časové okno: 1 týden po zhotovení snímků.
|
přesnost mezi umělou inteligencí a zkušeným lékařem
|
1 týden po zhotovení snímků.
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
---|---|---|
výsledek diagnózy umělou inteligencí v reálném životě.
Časové okno: 5 let po diagnóze
|
výsledek přežití v reálném životě umělou inteligencí.
|
5 let po diagnóze
|
Spolupracovníci a vyšetřovatelé
Vyšetřovatelé
- Vrchní vyšetřovatel: ChunuYu Lin, M.D., Taichung Veterans General Hospital
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (AKTUÁLNÍ)
Primární dokončení (AKTUÁLNÍ)
Dokončení studie (AKTUÁLNÍ)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (AKTUÁLNÍ)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (AKTUÁLNÍ)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- CE21235B
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
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 .