Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Klassificering af benigne og ondartede lungeknuder baseret på CT-rådata

29. juni 2022 opdateret af: Di Dong, Chinese Academy of Sciences

Sammenligning og analyse af prædiktiv ydeevne af CT og rådata i godartede og ondartede klassifikationer af lungeknuder

Anvendelsen af ​​medicinske billeder kombineret med dybe neurale netværk til at hjælpe med klinisk diagnose, terapeutisk effekt og forudsigelse af prognose er i dag et hotspot. Men alle de eksisterende metoder er designet baseret på de rekonstruerede medicinske billeder i stedet for de tabsfrie rådata. I betragtning af, at medicinske billeder er beregnet til menneskelige øjne snarere end AI, forsøger vi at bruge rå data til at forudsige maligniteten af ​​pulmonale knuder og sammenligne den prædiktive ydeevne med CT. Eksperimenter vil bevise gennemførligheden af ​​diagnosticering ved hjælp af CT-rådata. Vi mener, at den foreslåede metode lover at ændre den nuværende medicinske diagnosepipeline, da den har potentiale til at frigøre radiologerne.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Det rutinemæssigt anvendte diagnostiske skema for kræftformer følger processen med signal-til-billede-til-diagnose. Det er vigtigt at rekonstruere de synlige billeder fra signalet fra medicinsk udstyr, så den menneskelige læge kan udføre diagnosen. Men den enorme mængde information inde i signalet er ikke optimalt udvundet, hvilket forårsager den nuværende utilfredsstillende ydeevne af billedbaseret diagnose.

I dette kliniske forsøg vil vi udvikle et AI-baseret diagnostisk skema for lungeknuder direkte fra signalet (rådata) til diagnosen og springe rekonstruktionstrinnet over. I dette forsøg vil vi fokusere på skelnen mellem maligne og benigne lungeknuder. Vi vil indsamle et datasæt af patienter, der er screenet ud af lungeknuder. Alle patienter gennemgår præoperativ CT-scanning (rådata og CT-billeder tilgængelige) og har patologisk bekræftet resultat af knuderne. Vi vil bygge en model, der kun bruger rådata til diagnosticering af lungeknuderne. Desuden vil der blive bygget en anden model fra CT image til sammenligning.

Endvidere vil vi udføre opfølgning på disse patienter og bygge en model baseret på CT-rådata til prognoseanalyse af lungekræft.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

626

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Kina
    • Jilin
      • Changchun, Jilin, Kina, 130021
        • The First Hospital of Ji Lin University

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år og ældre (VOKSEN, OLDER_ADULT)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter, der screenes ud af lungeknuder ved CT, vil blive inkluderet i denne undersøgelse. Den gyldne standard er den patologisk bekræftede malignitet af knuden.

Beskrivelse

Inklusionskriterier:

  1. Patienter, der screenes ud af lungeknude.
  2. CT-data og tilsvarende CT-rådata er tilgængelige før operationen.
  3. Endelig patologisk diagnose af knudens malignitet er tilgængelig.

Ekskluderingskriterier:

  1. Tidligere historie med lunge maligniteter.
  2. Artefakter på CT-billeder, der alvorligt forringer observationen af ​​læsionen.
  3. Tidsintervallet mellem CT-scanning og patologisk diagnose er mere end 4 uger.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Det første hospital på Ji Lin University
CT-data og tilsvarende CT-rådata fra patienter med lungeknude vil blive indsamlet.
Andet: Ingen indgreb
Ingen indgreb

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Område under modtagerens driftskarakteristikkurve (ROC)
Tidsramme: 8 måneder
Area under curve (AUC) af rådata ved at skelne maligne knuder fra benigne knuder.
8 måneder
Sygdomsfri overlevelse
Tidsramme: 5 år
Sammenhængen mellem rådata og sygdomsfri overlevelse (DFS), der defineres som tiden fra begyndelsen af ​​diagnosticering af lungekræft til det bekræftede tidspunkt for tilbagefald eller metastatisk sygdom eller dødsfald.
5 år
Overordnet overlevelse
Tidsramme: 5 år
Sammenhængen mellem rådata og overordnet overlevelse (OS), der defineres som tiden fra begyndelsen af ​​diagnosticering af lungekræft til dødsfald med en hvilken som helst årsag.
5 år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Chinese Academy of Sciences

Samarbejdspartnere

The First Hospital of Jilin University
Neusoft Medical Systems Co., Ltd.

Efterforskere

  • Studieleder: Yali Zang, Ph.D., Institute of Automation, Chinese Academy of Sciences

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

Hjælpsomme links

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (FAKTISKE)

15. april 2019

Primær færdiggørelse (FAKTISKE)

30. juni 2022

Studieafslutning (FAKTISKE)

30. juni 2022

Datoer for studieregistrering

Først indsendt

23. januar 2020

Først indsendt, der opfyldte QC-kriterier

23. januar 2020

Først opslået (FAKTISKE)

27. januar 2020

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

30. juni 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

29. juni 2022

Sidst verificeret

1. juni 2022

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • CASMI001

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Abonner