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

Diagnostika a predikce rakoviny řízená umělou inteligencí pomocí EHR

25. července 2025 aktualizováno: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Diagnóza a predikce rakoviny na bázi AI pomocí elektronických zdravotních záznamů

Jedná se o multicentrickou retrospektivní klinickou studii navrženou k vyhodnocení aplikace a účinnosti prediktivního modelu s podporou umělé inteligence pro identifikaci a diagnostiku rakoviny s využitím multimodálních zdravotních údajů.

Přehled studie

Postavení

Nábor

Podmínky

Intervence / Léčba

Detailní popis

Diagnóza rakoviny a včasná detekce jsou zásadní pro zlepšení výsledků pacienta a míry přežití. Včasná identifikace rakoviny a vhodná intervence může významně ovlivnit úspěch léčby a prognózu. V klinické praxi musí onkologové často integrovat řadu údajů o pacientech, včetně anamnézy, výsledky laboratorních testů, zobrazovacích údajů, jako jsou CT skenování a MRI a genetické markery, aby vytvořili přesnou diagnózu a vyvinuli personalizovaný léčebný plán. Vzhledem k tomu, že přesná medicína je stále důležitější, je výzvou k identifikaci rakoviny v raných stádiích, zejména pokud jsou příznaky jemné nebo chybějící. Nedávné pokroky v technikách umělé inteligence a analýzy dat ukázaly velký slib při zvyšování diagnostické přesnosti a rychlosti detekce rakoviny. Cílem této studie je vyvinout systém rozhodování s přiměřeným AI integrací multimodálních dat z elektronických zdravotních záznamů, zobrazování, laboratorních výsledků a genetických dat. Cílem je zlepšit diagnostickou přesnost, optimalizovat klinické pracovní postupy a poskytnout více přizpůsobené možnosti léčby pacientům s rakovinou. Nakonec se tento systém snaží zlepšit včasnou detekci, vést účinné léčebné strategie a zvýšit míru přežití pacienta.

Typ studie

Pozorovací

Zápis (Odhadovaný)

1000000

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 místa

  • Čína
    • Guangdong
      • Guangzhou, Guangdong, Čína
        • Nábor
        • Sun Yat-sen Memorial Hospital, Sun Yat-sen University
        • Kontakt:
      • Guangzhou, Guangdong, Čína
        • Nábor
        • Guangzhou Women and Children's Medical Center
        • Kontakt:
      • Guangzhou, Guangdong, Čína
        • Nábor
        • Nanfang Hospital
        • Kontakt:
      • Guangzhou, Guangdong, Čína
        • Nábor
        • Sun Yat-sen University Cancer Hospital
        • Kontakt:
    • Sichuan
      • Chengdu, Sichuan, Čína
        • Nábor
        • West China Hospital
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, Čína
        • Nábor
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, Čína
        • Nábor
        • Second Affiliated Hospital of Wenzhou Medical University
        • 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

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ano

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Populace studie se skládá z jednotlivců ve věku 0 až 90 let, kteří se dostali v zúčastněných studijních střediscích. Účastníci musí mít k dispozici komplexní elektronické zdravotní záznamy (EHRS), včetně anamnézy, výsledky laboratorních testů, zobrazovacích dat a genetických informací (pokud jsou k dispozici). Do studie budou zahrnut oba jedinci s diagnózou rakoviny (včetně dětských a dospělých rakovin) a zdravých jedinců bez anamnézy rakoviny, aby se vyhodnotil diagnostické a prediktivní schopnosti modelu podporovaného AI. Studie se zaměří na pacienty s úplnými a zdokumentovanými záznamy o péči z zúčastněných center a zajistí rozmanitou kohortu pro analýzu napříč různými věkovými skupinami a typy rakoviny.

Popis

Kritéria pro zařazení:

1、Pacienti s komplexními elektronickými zdravotními záznamy (EHR), včetně anamnézy, výsledků laboratorních testů, zobrazovacích dat a genetických dat (pokud jsou k dispozici).

2. Jedinci bez závažných kognitivních poruch nebo stavů, které by jim bránily poskytnout informovaný souhlas nebo se zúčastnit studie.

3. Rodiče nebo opatrovníci musí poskytnout informovaný souhlas nezletilým, zatímco dospělí účastníci musí poskytnout informovaný souhlas sami za sebe.

Kritéria vyloučení:

  1. Pacienti s neúplnými nebo chybějícími klíčovými údaji o zaznamenávání elektronických zdravotních záznamů nebo nedostatečnými údaji o sledování.
  2. Jednotlivci s těžkými kognitivními poruchami nebo jinými terminálními nemocemi, které by zabránily smysluplné účasti.
  3. Těhotné ženy (ačkoli se uvažuje o dětských nádorech, těhotné ženy by byly z bezpečnostních důvodů vyloučeny).

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
Intervence / Léčba
Zdravá kohorta
Tuto skupinu tvoří jedinci bez jakékoli diagnostikované rakoviny. Účastníci této kohorty budou sloužit jako kontrolní skupina pro srovnání s experimentální skupinou. Této kohortě nebudou podávány žádné intervence ani léčby, protože představují základní linii zdravých jedinců.
Diagnostický test: Diagnostický a prognostický model založený na AI
Tento zásah zahrnuje systém umělé inteligence, který integruje multimodální data, včetně anamnézy pacienta, výsledků laboratorních testů, zobrazovacích dat a genetických informací, s cílem předpovědět riziko rakoviny. Systém využívá algoritmy hlubokého učení k poskytování přesných předpovědí v reálném čase, což umožňuje včasnou identifikaci rizik rakoviny. Analýzou historických údajů o zdraví se model zaměřuje na předpovídání potenciálního vývoje rakoviny, zlepšení včasné detekce a výsledků léčby.
Nádorová kohorta
Tuto skupinu tvoří jedinci s diagnózou rakoviny, včetně různých typů. Účastníci této kohorty budou sloužit jako experimentální skupina pro hodnocení účinnosti modelu časné predikce při identifikaci rizik rakoviny a zlepšení diagnostické přesnosti.
Diagnostický test: Diagnostický a prognostický model založený na AI
Tento zásah zahrnuje systém umělé inteligence, který integruje multimodální data, včetně anamnézy pacienta, výsledků laboratorních testů, zobrazovacích dat a genetických informací, s cílem předpovědět riziko rakoviny. Systém využívá algoritmy hlubokého učení k poskytování přesných předpovědí v reálném čase, což umožňuje včasnou identifikaci rizik rakoviny. Analýzou historických údajů o zdraví se model zaměřuje na předpovídání potenciálního vývoje rakoviny, zlepšení včasné detekce a výsledků léčby.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Oblast pod křivkou (AUC)
Časové okno: 1 rok
AUC křivky ROC, používané ke kvantifikaci diagnostické přesnosti. Žádná jednotka (poměr nebo procento, obvykle vyjádřené jako číslo mezi 0 a 1).
1 rok
Skóre F1
Časové okno: 1 rok
Skóre F1 je harmonický průměr přesnosti a citlivosti (odvolání). Je to dobrá míra schopnosti modelu identifikovat jak skutečná pozitiva, tak minimalizovat falešná pozitiva, zejména v případech, kdy jsou třídy nevyvážené (např. Když je počet zdravých případů mnohem vyšší než případy nemoci). Skóre F1 se pohybuje od 0 do 1, přičemž 1 označuje dokonalou přesnost a vyvolání.
1 rok

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Citlivost (skutečně pozitivní míra)
Časové okno: 1 rok
Citlivost měří, jak dobře model AI identifikuje skutečné pozitivní případy, jako je správná diagnostika těhotných žen s komplikacemi nebo identifikace neonatálních poruch.
1 rok
Specifičnost (skutečná negativní sazba)
Časové okno: 1 rok
Specifičnost měří schopnost modelu AI správně identifikovat případy bez onemocnění, což zajišťuje, že zdravé matky a kojenci jsou správně identifikovány jako negativní.
1 rok

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

The Eye Hospital of Wenzhou Medical University

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)

19. ledna 2025

Primární dokončení (Odhadovaný)

1. října 2025

Dokončení studie (Odhadovaný)

1. října 2025

Termíny zápisu do studia

První předloženo

19. ledna 2025

První předloženo, které splnilo kritéria kontroly kvality

19. ledna 2025

První zveřejněno (Aktuální)

24. ledna 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

30. července 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

25. července 2025

Naposledy ověřeno

1. července 2025

Více informací

Termíny související s touto studií

Klíčová slova

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • Cancer

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

produkt vyrobený a vyvážený z USA

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 .

Klinické studie na Nádor

Prohledejte podobné pokusy

Sponzoři a spolupracovníci

Zdravotní podmínky

Drogové intervence

CROs by country

CROs in Mongolia

Podmínky

Vzácné nemoci

Drogové intervence

Doplňky stravy

Sponzor / Spolupracovníci

Místa

Předplatit