Udvikling af kunstig intelligensmodeller til segmentering og karakterisering af prostatacancer: en enkeltcenter retrospektiv observationsundersøgelse.
Prostatakræft er den næsthyppigste kræftform i den mandlige befolkning. Denne patologi repræsenterer et onkologisk og folkesundhedsproblem, især i udviklede lande, på grund af en større tilstedeværelse af ældre mænd i befolkningen.
Medicinsk billeddannelse spiller en central rolle i iscenesættelsen og genopbygningen af prostatasygdom. Magnetisk resonansbilleddannelse (MRI), computertomografi (CT) og positronemissionstomografi (PET) er blandt de metoder, der almindeligvis anvendes i normal klinisk praksis til karakterisering af prostatacancer. Til dato er undersøgelsen af disse billeder begrænset til en kvalitativ visuel analyse, men der er stigende evidens for nytten af at indføre en kvantitativ (eller semi-kvantitativ) analyse af biomedicinske billeder.
Den nuværende stigning i tilgængelige billeddata og deres kvalitet tillader anvendelse af kunstig intelligens metoder også på det medicinske område til automatisering af opgaver (f. automatisk segmentering) og klassificering (f.eks. tumoraggressivitet).
Udvindingen af kvantitative data, og mere generelt undersøgelsen af tumorlæsioner, kræver manuel segmentering af en eller flere læger. Denne proces kræver meget lang tid, da hvert billede skal behandles individuelt; desuden afhænger resultatet også af erfaringsniveauet hos den læge, der udfører segmenteringen, og dette kan skabe en kilde til heterogenitet, hvilket påvirker reproducerbarheden af segmenteringen.
AI-baserede automatiske segmenteringsmetoder kan anvendes på medicinske billeder til lokalisering af tumorlæsioner og dermed overskride grænserne for manuel segmentering.
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
-
Milano, Italien, 20132
- IRCCS San Raffaele
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter med histologisk diagnose af prostatacancer;
- Patienter, der udførte en PET-undersøgelse med 68 Ga-PMSA.
Ekskluderingskriterier:
- CT- og MR-billeder med artefakter, der udelukker fortolkning af resultater.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Kunstig intelligens algoritmer til klassificering af prostatacancer læsioner på medicinske billeder.
Tidsramme: 2 år
|
PET-billeder fra indskrevne patienter vil blive brugt til at skabe modeller, der undersøger kunstig intelligenss evne til at automatisere tumorsegmenteringsopgaver.
|
2 år
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- AI_Pca
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .