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

Vývoj multimodalního AI systému pro léčbu GIST

3. října 2026 aktualizováno: Qun Zhao

Vývoj a validace multimodálního modelu umělé inteligence integrujícího CT radiomiku, patomiku a klinické příznaky pro diagnostiku, stratifikaci rizika a predikci genotypu gastrointestinálních stromálních tumorů

Background: Gastrointestinal Stromal Tumors (GISTs) are the most common mesenchymal tumors of the gastrointestinal tract. Accurate pre-operative diagnosis, risk stratification, and genotyping are critical for determining the appropriate surgical approach and targeted therapy (such as Imatinib). However, current methods often rely on invasive postoperative pathology and expensive genetic testing.

Study Objective: The purpose of this study is to develop and validate a multimodal Artificial Intelligence (AI) model that integrates clinical data, CT radiomics (imaging features), and pathomics (digital pathology features) to improve the precision of GIST management.

Study Design: This is a prospective, observational study. The researchers will recruit patients with suspected gastric submucosal tumors who are scheduled for surgery or biopsy at The Fourth Hospital of Hebei Medical University.

Core Tasks: The AI model will be trained to perform three specific tasks:

Diagnosis: Distinguish GISTs from other non-GIST mesenchymal tumors (e.g., leiomyomas, schwannomas).

Risk Assessment: Stratify GISTs into risk categories (e.g., Low vs. High risk) to predict malignant potential.

Genotyping: Predict specific gene mutations (e.g., KIT or PDGFRA mutations) to guide immunotherapy or targeted therapy.

Methodology: Patient data (CT scans, pathology slides, and clinical history) will be collected and analyzed by the AI system. The AI's predictions will be compared against the "Gold Standard" results derived from postoperative pathological examination and Next-Generation Sequencing (NGS). This study is non-interventional; the AI results will not affect the standard of care received by the patients.

Přehled studie

Typ studie

Pozorovací

Zápis (Aktuální)

300

Kontakty a umístění

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

Studijní místa

    • Anhui
      • Fuyang, Anhui, Čína, 236003
        • The Fifth Affiliated Hospital of Anhui Medical University
    • Hebei
      • Baoding, Hebei, Čína, 071030
        • Baoding Central Hospital
      • Cangzhou, Hebei, Čína, 061000
        • Cangzhou People's Hospital
      • Hengshui, Hebei, Čína, 053099
        • Hengshui People's Hospital
      • Shijiazhuang, Hebei, Čína, 050011
        • Shijiazhuang People's Hospital
      • Xingtai, Hebei, Čína, 054000
        • The Second Affiliated Hospital of Xingtai Medical College
    • Hubei
      • Wuhan, Hubei, Čína, 430065
        • Renmin Hospital of Wuhan University
    • Hunan
      • Hengyang, Hunan, Čína, 421001
        • The First Affiliated Hospital of University of South China
    • Jiangsu
      • Nanjing, Jiangsu, Čína, 210002
        • Jinling Hospital

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

18 let a starší (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

N/A

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Patients presenting with gastric submucosal tumors (SMTs) who are admitted to the Department of Gastrointestinal Surgery at The Fourth Hospital of Hebei Medical University for surgical or endoscopic treatment. The cohort includes patients with subsequently pathologically confirmed GISTs and other mesenchymal tumors (e.g., leiomyoma, schwannoma).

Popis

Inclusion Criteria:

Age ≥ 18 years, gender not limited.

Clinical diagnosis of gastric submucosal tumor (SMT) or suspected gastrointestinal stromal tumor (GIST) based on gastroscopy or ultrasound.

Scheduled for surgical resection or endoscopic biopsy at the study center.

Standard preoperative contrast-enhanced CT scans are available (performed within 2 weeks prior to surgery).

Patients or their legal guardians have signed the informed consent form.

Exclusion Criteria:

Received neoadjuvant therapy (e.g., Imatinib, chemotherapy, or radiotherapy) prior to surgery/biopsy.

Poor quality of CT images (e.g., severe motion artifacts) affecting radiomics analysis.

Insufficient tissue samples for pathological diagnosis or genetic testing.

Confirmed diagnosis of other primary malignancies.

Incomplete clinical data or lost to follow-up immediately after surgery.

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

  • Observační modely: COHORT
  • Časové perspektivy: PROSPECTIVE

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Diagnostic Accuracy of the AI Model for Distinguishing GIST from Non-GIST Tumors
Časové okno: Up to 30 days post-surgery

The diagnostic accuracy is calculated as the proportion of correctly classified patients (GIST vs. Non-GIST) by the multimodal AI model, compared to the gold standard postoperative pathological diagnosis.

Up to 30 days post-surgery

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Concordance Rate between AI-predicted Risk Grade and Pathological Modified NIH Criteria
Časové okno: Up to 30 days post-surgery

The proportion of patients whose risk category (Very Low/Low vs. Intermediate/High) predicted by the AI model matches the actual risk grade determined by postoperative pathology according to the modified National Institutes of Health (NIH) criteria. This will be reported as a percentage (0-100%)

Up to 30 days post-surgery
Sensitivity and Specificity of the AI Model in Predicting KIT/PDGFRA Gene Mutations
Časové okno: Up to 30 days post-surgery

The AI model's performance in identifying specific mutations (e.g., KIT exon 11, PDGFRA) compared to the results of Next-Generation Sequencing (NGS). Data will be reported as percentages with 95% confidence intervals.

Up to 30 days post-surgery
Area Under the Receiver Operating Characteristic Curve (AUC) for All Tasks
Časové okno: Up to 30 days post-surgery

The AUC values will be calculated to evaluate the overall performance of the AI model in diagnosis, risk stratification, and genotype prediction. Sensitivity and Specificity will also be reported.

Up to 30 days post-surgery

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

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. března 2026

Primární dokončení (Aktuální)

1. července 2026

Dokončení studie (Aktuální)

1. července 2026

Termíny zápisu do studia

První předloženo

12. února 2026

První předloženo, které splnilo kritéria kontroly kvality

5. března 2026

První zveřejněno (Aktuální)

6. března 2026

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

6. října 2026

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

3. října 2026

Naposledy ověřeno

1. března 2026

Více informací

Termíny související s touto studií

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NEROZHODNÝ

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 .

Předplatit