Systém hlubokého učení založený na celosnímkovém zobrazení a CT radiomike pro predikci prognózy u rakoviny močového měchýře
Bladder cancer (BLCA), with its diverse histopathological features and varying patient outcomes, poses significant challenges in diagnosis and prognosis. Postoperative survival stratification based on radiomics feature and whole slide image feature may be useful for treatment decisions to improve prognosis. In this research, we aim to develop a deep learning-based prognostic-stratification system for automatic prediction of overall and cancer-specific survival in patients with BLCA.This observational study evaluates a deep learning system that combines CT images and digitized pathology slides to predict outcomes in patients with bladder cancer. It includes a retrospective cohort and a prospective cohort of newly enrolled patients. The prospective cohort will assess the system in patients enrolled during (2024-2026), with follow-up for survival and recurrence.
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Study structure The study includes an initial retrospective phase and a subsequent prospective observational phase involving newly enrolled patients. The two phases are analyzed separately according to the specified analysis plan.
Retrospective phase The retrospective phase included patients from [2012-2024] and was used for model construction. Results from this phase were reported in npj series.
Prospective phase Enrollment of newly recruited patients began on [2024]. The prospective phase follows protocol, with ethics approval from the first affliated hospital of chongqing medical, university. Recruitment is consecutive, as specified in the protocol.
Model evaluation The prospective cohort is used for validation. The model version, preprocessing procedures and prediction thresholds used in this phase. Any model updating using this cohort is documented separately.
Registry update This update distinguishes the retrospective phase from the subsequently enrolled cohort. The prospective phase enrollment dates and the dates of protocol development and ethics approval are reported separately.
Typ studie
Zápis (Odhadovaný)
Kontakty a umístění
Studijní kontakt
- Jméno: QuanHao He
- Telefonní číslo: 800-555-5555
- E-mail: 2020120460@stu.cqmu.edu.cn
Studijní záloha kontaktů
- Jméno: Mingzhao Xiao, PHD
- Telefonní číslo: 800-555-5555
- E-mail: 2023140134@stu.cqmu.edu.cn
Studijní místa
-
-
Chongqing Municipality
-
Chongqing, Chongqing Municipality, Čína, 400016
- Nábor
- Department of Urology, The First Affiliated Hospital of Chongqing Medical University
-
Kontakt:
- QuanHao He, PHD
- Telefonní číslo: 800-555-5555
- E-mail: 2020120460@stu.cqmu.edu.cn
-
Kontakt:
- Mingzhao Xiao, PHD
- Telefonní číslo: 023-89012557
- E-mail: 2023140134@stu.cqmu.edu.cn
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dítě
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
We included patients who had surgery only or who had neoadjuvant chemotherapy before surgery. We excluded patients with a postoperative diagnosis of non-urothelial carcinoma.
Popis
Inclusion Criteria:
- patients with bladder cancer who had surgery like radical cystectomy or transurethral resection of bladder tumour (TURBT)
- contrast-CT scan less than two weeks before surgery
- complete CT image data and clinical data
- complete whole slide image data
Exclusion Criteria:
- patients with a postoperative diagnosis of non-urothelial carcinoma
- poor quality of CT images
Studijní plán
Jak je studie koncipována?
Detaily designu
- Observační modely: COHORT
- Časové perspektivy: OTHER
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Retrospective cohort
Patients with bladder cancer included in the retrospective phase of the study, using clinical records, CT images, and whole-slide images obtained during [2012-2024]. This cohort was used for model development and/or validation and was reported in our npj publications. |
develop and validate a deep learning system for prognostication prediction in bladder cancer based on CT radiomics and whole slide images. |
|
Prospective cohort of newly enrolled patients
Newly enrolled patients with bladder cancer recruited at four centers between 2024 and2026. Eligibility is assessed at enrollment, and participants are followed according to protocol version and date for the study outcomes. This cohort is distinct from the previously reported retrospective cohort. |
develop and validate a deep learning system for prognostication prediction in bladder cancer based on CT radiomics and whole slide images. |
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Overall survival
Časové okno: up to 10 years
|
the time from the date of surgery to death from any cause or the date of last contact (censored observation) at the date of data cut-off. |
up to 10 years
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Recurrence free survival
Časové okno: up to 10 years
|
the time from the date of surgery to the date of first documented disease recurrence. Patients without recurrence at the time of analysis will be censored |
up to 10 years
|
|
progression-free survival
Časové okno: up to 10 years
|
The length of time during and after the treatment of a disease, such as cancer, that a patient lives with the disease but it does not get worse. In a clinical trial, measuring the progression-free survival is one way to see how well a new treatment works. Also called PFS. |
up to 10 years
|
Spolupracovníci a vyšetřovatelé
Sponzor
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
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
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
- BLCA_CMUFH
- K2024-187-01 (Jiný identifikátor: The First Affiliated Hospital of Chongqing Medical University)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
The datasets analyzed during the current study are not publicly available due to the privacy of patients but are available from the corresponding author on reasonable request.
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 .