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

Deep Learning Model forudsiger patologisk fuldstændig respons af lungekræft efter neoadjuverende immunokemoterapi

11. marts 2024 opdateret af: Wuhan Union Hospital, China

En kunstig intelligensmodel forudsiger patologisk fuldstændig respons af lungekræft efter neoadjuverende immunokemoterapi

Denne undersøgelse præsenterer udviklingen og valideringen af ​​et kunstig intelligens (AI) forudsigelsessystem, der anvender præ-neoadjuverende immunterapi almindelige scanninger og forbedrede multimodale CT-scanninger til at udvinde dybe læringsfunktioner. Målet er at forudsige forekomsten af ​​patologisk fuldstændig respons hos ikke-småcellet lungekræftpatienter, der gennemgår neoadjuverende immunkemoterapi.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Denne undersøgelse opnåede retrospektivt ikke-kontrastforstærkede og kontrastforstærkede CT-scanninger af patienter med NSCLC, som blev opereret efter at have modtaget neoadjuverende immunokemoterapi. på flere centre mellem august 2019 og februar 2023. Dyb læringsfunktioner blev ekstraheret fra både ikke-kontraktforstærkede og kontraktforstærkede CT-scanninger for at konstruere de prædiktive modeller (henholdsvis LUNAI-nCT-model og LUNAI-eCT-model). Efter egenskabsfusion af disse to typer funktioner blev en sammensmeltet model (LUNAI-fCT-model) konstrueret. Modellens ydeevne blev evalueret ved hjælp af arealet under modtagerens driftskarakteristikkurve (AUC), nøjagtighed, følsomhed, specificitet, positiv forudsigelig værdi (PPV) og negativ forudsigelig værdi (NPV). SHapley Additive ExPlanations (SHAP)-analyse blev brugt til at kvantificere virkningen af ​​CT-billeddannelsesfunktioner på modelforudsigelse. For at få indsigt i, hvordan vores model laver forudsigelser, brugte vi Gradient-weighted Class Activation Mapping (Grad-CAM) til at generere saliency heatmaps.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

1000

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

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

patienter, der blev diagnosticeret med ikke-småcellet karcinom og gennemgår kirurgi efter neoadjuverende kemoimmunterapibehandling

Beskrivelse

Inklusionskriterier:

  1. Patienter med ikke-småcellet lungecancer, diagnosticeret gennem biopsipatologi og klinisk klassificeret som stadium IB til III;
  2. Patienter, der modtager mindst to cyklusser af neoadjuverende immunterapi kombineret med kemoterapi-induktionsterapi;
  3. I henhold til IASLC-retningslinjerne blev postoperativ patologisk evaluering udført på behandlingsresponsen af ​​tumorens primære læsion og lymfeknuder.

Ekskluderingskriterier:

  1. Manglende eller utilstrækkelig kvalitet af CT;
  2. Tidsintervallet mellem CT og behandlingsstart er større end 1 måned;
  3. Ufuldstændige klinikopatologiske data.

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
Træningsdatasæt
patienter, der blev diagnosticeret med ikke-småcellet karcinom og gennemgår kirurgi efter neoadjuverende kemoimmunterapibehandling på hospital 1 (Tongji Medical College Affiliated Union Hospital)
Diagnostisk test: Ingen indgreb
High-throughput-ekstraktion af store mængder kvantitative billedtræk fra medicinske billeder
testdatasæt
patienter, der blev diagnosticeret med ikke-småcellet karcinom og gennemgår kirurgi efter neoadjuverende kemoimmunterapibehandling på hospitalet (Zhengzhou University First Affiliated Hospital, Yichang Central Hospital, Anyang Cancer Hospital)

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
nøjagtigheden, følsomheden, specificiteten, positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV) af forudsigelsesmodellen
Tidsramme: Baseline behandling
adskillige målinger blev beregnet, herunder nøjagtighed, sensitivitet, specificitet, positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV).
Baseline behandling

Samarbejdspartnere og efterforskere

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

Sponsor

Wuhan Union Hospital, 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 (Anslået)

1. marts 2024

Primær færdiggørelse (Anslået)

1. december 2025

Studieafslutning (Anslået)

1. marts 2026

Datoer for studieregistrering

Først indsendt

22. februar 2024

Først indsendt, der opfyldte QC-kriterier

22. februar 2024

Først opslået (Faktiske)

29. februar 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

13. marts 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

11. marts 2024

Sidst verificeret

1. februar 2024

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • LUNAI

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 .

Kliniske forsøg med Ikke-småcellet lungekræft

Kliniske forsøg med Ingen indgreb

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Malta

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner