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

Hele diasbilledet til forudsigelse af det nye klassificeringssystem for resektioneret lungeadenokarcinom

17. oktober 2024 opdateret af: Chang Chen, Shanghai Pulmonary Hospital, Shanghai, China

Deep Learning-signatur baseret på hele diasbilleder til forudsigelse af det nye bedømmelsessystem for resektioneret lungeadenokarcinom

Formålet med denne undersøgelse er at evaluere ydeevnen af ​​en hel slide-billedbaseret dyb læringssignatur til at forudsige det nye karaktersystem i resektioneret lungeadenokarcinom baseret på en multicenter prospektiv kohorte.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Anslået)

200

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Guizhou
      • Zunyi, Guizhou, Kina
        • Rekruttering
        • Affiliated Hospital Of Zunyi Medical University
        • Kontakt:
    • Jiangxi
      • Nanchang, Jiangxi, Kina
        • Rekruttering
        • The First Affiliated Hospital of Nanchang University
        • Kontakt:
    • Zhejiang
      • Ningbo, Zhejiang, Kina
        • Rekruttering
        • Ningbo HwaMei Hospital
        • Kontakt:

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Resekeret lungeadenokarcinom

Beskrivelse

Inklusionskriterier:

  1. Patologisk bekræftelse af primært lungeadenokarcinom;
  2. Alder fra 20-75 år;
  3. Indhentet skriftligt informeret samtykke.

Ekskluderingskriterier:

  1. Flere lungelæsioner;
  2. Dårlig kvalitet af hele diasbilleder;
  3. Deltagere med ufuldstændig klinisk information;
  4. Mucinøse adenokarcinomer og varianter;
  5. Deltagere, der har modtaget neoadjuverende terapi.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Overensstemmelsesgrad for IASLC-karaktersystemet
Tidsramme: 2024.11.01-2024.12.31
Overensstemmelsesgrad mellem deep learning-modellen og patologer ved diagnosticering af IASLC-graden af ​​lungeadenokarcinom.
2024.11.01-2024.12.31

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Overensstemmelsesgrad for de overvejende undertyper
Tidsramme: 2024.11.01-2024.12.31
Overensstemmelseshastighed mellem deep learning-modellen og patologer i diagnosticering af de dominerende vækstmønstre af lungeadenokarcinom.
2024.11.01-2024.12.31

Andre resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Specificitet
Tidsramme: 2023.5.1-2023.10.31
Specificiteten af ​​den dybe læringsmodel baseret på hele diasbilledet til at forudsige det nye klassificeringssystem for resekeret lungeadenokarcinom. Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III. Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
2023.5.1-2023.10.31
Positiv prædiktiv værdi
Tidsramme: 2023.5.1-2023.10.31
Den positive prædiktive værdi af den dybe læringsmodel baseret på hele diasbillede i forudsigelse af det nye karaktersystem for resekeret lungeadenokarcinom. Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III. Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
2023.5.1-2023.10.31
Negativ prædiktiv værdi
Tidsramme: 2023.5.1-2023.10.31
Den negative prædiktive værdi af den dybe læringsmodel baseret på hele diasbilledet til at forudsige det nye karaktersystem for resekeret lungeadenokarcinom. Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III. Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
2023.5.1-2023.10.31
Nøjagtighed
Tidsramme: 2023.5.1-2023.10.31
Nøjagtigheden af ​​den dybe læringsmodel baseret på hele diasbilledet til at forudsige det nye klassificeringssystem for resekeret lungeadenokarcinom. Det nye klassificeringssystem for lungeadenokarcinom inkluderer grad I, grad II og grad III. Og modellen vil udlæse de prædiktive værdier (grad I/grad II/grade III) af karakteren for hver patient med resekeret lungeadenokarcinom.
2023.5.1-2023.10.31

Samarbejdspartnere og efterforskere

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

Sponsor

Shanghai Pulmonary Hospital, Shanghai, China

Samarbejdspartnere

Zunyi Medical College
Ningbo HwaMei Hospital, Zhejiang, China
The First Affiliated Hospital of Nanchang University, Jiangxi, China

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. oktober 2024

Primær færdiggørelse (Anslået)

31. december 2024

Studieafslutning (Anslået)

31. december 2024

Datoer for studieregistrering

Først indsendt

12. maj 2023

Først indsendt, der opfyldte QC-kriterier

27. juni 2023

Først opslået (Faktiske)

29. juni 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

21. oktober 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

17. oktober 2024

Sidst verificeret

1. oktober 2024

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • WSIGS

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

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 .

Kliniske forsøg med Lunge Adenocarcinom

Kliniske forsøg med Whole Slide Image baseret Deep Learning

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Sweden

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner