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

Model AI založený na radiomice pro predikci metastáz lymfatických uzlin u pacientů s rakovinou žaludku u pacientů

21. dubna 2025 aktualizováno: Qun Zhao

Prospektivní klinická studie umělé inteligence založené na radiomice pro predikci metastáz lymfatických uzlin u pacientů s rakovinou žaludku s rakovinou žaludku

Cílem této studie je vyvinout a ověřit model umělé inteligence (AI) založený na radiomických rysech extrahovaných z předoperačních CT obrazů k predikci metastáz para-aortální lymfatické uzliny (PAln) u pacientů s rakovinou žaludku. Přesná identifikace metastáz PALN před chirurgickým zákrokem může pomoci lékařům přijímat lepší rozhodnutí o léčbě, jako je to, zda pokračovat v chirurgickém zákroku, zvážit chemoterapii nebo použít jiné léčebné strategie. Studie bude prospektivně zapsat pacienty, kterým je diagnostikována rakovina žaludku a naplánována na chirurgický zákrok. Všichni účastníci budou podstoupit rutinní zobrazovací testy a jejich data budou analyzována pomocí pokročilých technik AI. Výsledky této studie mohou zlepšit přesnost předoperačního stagingu a podporovat osobní plánování léčby pacientů s rakovinou žaludku.

Přehled studie

Typ studie

Pozorovací

Zápis (Odhadovaný)

120

Kontakty a umístění

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

Studijní místa

    • None Selected
      • Shijiazhuang, None Selected, Čína, 050011
        • The Fourth Hospital of Hebei Medical University

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

  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

N/A

Metoda odběru vzorků

Ukázka pravděpodobnosti

Studijní populace

Populace studie bude sestávat z dospělých pacientů s diagnózou adenokarcinomu žaludku, u kterých se má podstoupit radikální gastrektomii v centru terciární péče. Všichni účastníci budou mít předoperační CT skenování s kontrastem a žádný důkaz vzdálených metastáz. Populace představuje jedince ohrožené metastázy lymfatických uzlin para-aortálních a je určena k tomu, aby odrážely pacienty v reálném světě, kteří mohou mít prospěch z neinvazivních nástrojů předoperačního hodnocení asistovaného AI. Účastníci budou zaregistrováni postupně, aby minimalizovali zkreslení výběru.

Popis

Kritéria pro zařazení:

  1. Dospělí ve věku 18–80 let.
  2. Histologicky potvrzený adenokarcinom žaludku.
  3. Plánovalo podstoupit radikální gastrektomii s nebo bez disekce lymfatických uzlin nebo bez ní.
  4. Předoperační kontrastní břišní CT sken dostupné do 3 týdnů před operací.
  5. Žádný důkaz vzdálených metastáz pro zobrazování.
  6. Stav výkonu ECOG 0-2.
  7. Poskytnutý písemný informovaný souhlas.

Kritéria pro vyloučení:

  1. Historie dalších maligních nádorů za posledních 5 let.
  2. Před zobrazením CT obdržel neoadjuvantní chemoterapii nebo radioterapii.
  3. Špatná kvalita nebo neúplné CT obrázky, které nejsou vhodné pro radiomickou analýzu.
  4. Těžké komorbidity, které mohou ovlivnit prognózu nebo chirurgické rozhodování.
  5. Těhotenství nebo kojení.
  6. Neschopnost poskytnout informovaný souhlas nebo dodržovat postupy studia.

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

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Diagnostická přesnost modelu AI Radiomics pro predikci metastázování lymfatických uzlin para-aortálních u rakoviny žaludku
Časové okno: Od předoperačního zobrazování po operační patologické potvrzení (přibližně 4-6 týdnů na pacienta)
Primárním výsledkem je diagnostická výkonnost AI modelu založeného na radiomice při předpovídání metastáz lymfatických uzlin para-aortálních lymfatických uzl (PALNM) u pacientů s rakovinou žaludku. Výkon bude vyhodnocen výpočtem plochy pod příjmovou operační charakteristickou křivkou (AUC), citlivostí, specifičností, přesností a prediktivními hodnotami. Pozemní pravda pro status PALNM bude založena na pooperačních patologických nálezech nebo multidisciplinární konsensuální diagnóze. Předpovědi modelu budou porovnány se skutečnými klinickými výsledky pro posouzení jeho spolehlivosti a klinické užitečnosti.
Od předoperačního zobrazování po operační patologické potvrzení (přibližně 4-6 týdnů na pacienta)

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

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)

1. ledna 2025

Primární dokončení (Odhadovaný)

30. června 2025

Dokončení studie (Odhadovaný)

30. června 2025

Termíny zápisu do studia

První předloženo

21. dubna 2025

První předloženo, které splnilo kritéria kontroly kvality

21. dubna 2025

První zveřejněno (Aktuální)

27. dubna 2025

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

27. dubna 2025

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

21. dubna 2025

Naposledy ověřeno

1. dubna 2025

Více informací

Termíny související s touto studií

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

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 Analýza Imaging AI založená na radiomice

Předplatit