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

Forudsigelsesværktøj til kunstig intelligens i thymusepiteltumorer (INTHYM)

26. marts 2024 opdateret af: Anna Salut Esteve Domínguez, Erasmus Medical Center

Kunstig intelligens til histopatologisk klassificering og gentagelsesforudsigelse af thymusepiteltumorer

Denne multicentriske observationsundersøgelse har til formål at forbedre klassificering af thymusepiteltumor og forudsige gentagelsesrisici ved hjælp af AI-modeller. Ved at analysere digital patologi og kliniske variabler adresserer projektet uoverensstemmelser i det nuværende WHO-klassifikationssystem.

Hovedspørgsmål:

  • Kan AI-modeller forbedre nøjagtigheden af ​​klassificering af thymusepiteltumorer?
  • Forudsiger AI-modeller bedre gentagelsesrisici sammenlignet med WHO-klassifikationssystemet?

Deltager opgaver:

  • Digital patologisk analyse.
  • Udvikle AI-modeller til præcis klassificering og forudsigelse af gentagelsesrisiko.

Sammenligningsgruppe:

Forskere vil sammenligne AI-forbedret klassificering med WHO-systemet for at afgøre, om AI-modeller giver mere præcis subtyping og bedre forudsiger gentagelsesrisici.

Studere design:

Dette internationale projekt bruger tre databaser fra Rotterdam, Maastricht og Lyon, med en database til AI-modelbygning og de to andre til ekstern validering.

Ultimative mål:

Udvikle AI-modeller, der understøtter patologer i nøjagtigt at subtypebestemme thymusepitheltumorer, forhindre under- eller overbehandling med adjuverende strålebehandling for mere personlig og effektiv behandling.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Thymiske epiteltumorer er sjældne neoplasmer i det anteriore mediastinum. Grundstenen i behandlingen er kirurgisk resektion. Administration af postoperativ strålebehandling er sædvanligvis indiceret til patienter med mere omfattende lokal sygdom, ufuldstændig resektion og/eller mere aggressive undertyper, defineret af WHO's histopatologiske klassifikation.

I denne klassifikation skelnes tymomtyperne A, AB, B1, B2, B3 og thymuskarcinomer. Undersøgelser har vist store uoverensstemmelser mellem patologer i subtypebestemmelse af disse tumorer. Desuden forudsiger WHO-klassifikationen alene ikke nøjagtigt risikoen for tilbagefald, da patienter inden for subtyper har divergerende prognoser.

Vi vil udvikle AI-modeller ved hjælp af digital patologi og relevante kliniske variabler for at forbedre nøjagtigheden af ​​histopatologisk klassificering af thymusepitheltumorer og for bedre at forudsige risikoen for tilbagefald.

I dette multicentriske og internationale projekt vil tre eksisterende databaser blive brugt fra Rotterdam, Maastricht og Lyon. For alle modeller vil én database blive brugt til at bygge AI-modeller, og de to andre til ekstern validering.

Det ultimative mål med dette projekt er at udvikle AI-modeller, der understøtter patologen i korrekt subtyping af thymusepitheltumorer, for at forhindre patienter i at under- eller overbehandling med adjuverende strålebehandling.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

1020

Kontakter og lokationer

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

Studiekontakt

Studiesteder

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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Undersøgelsespopulation:

Denne undersøgelse fokuserer på personer, der er diagnosticeret med thymusepitheltumorer. Undersøgelsen omfatter patienter fra tre datasæt: Erasmus MC (710 patienter), Maastro (137 patienter) og Universitetshospitalet Lyon (181 patienter).

Yderligere Information:

  • Erasmus MC (710 patienter): Indeholder oplysninger om alder, køn og diagnose; hver patient kan have flere hele diasbilleder.
  • Maastro (137 patienter): Hver patient kan have flere hele diasbilleder.
  • Universitetshospitalet Lyon (181 patienter): Hver patient kan have flere hele diasbilleder.

Beskrivelse

Inklusionskriterier:

Deltagere med specifikke diagnoser er berettiget til at blive inkluderet i undersøgelsen. De støtteberettigede diagnoser omfatter forskellige undertyper af tymom og thymuskarcinom, specifikt:

  • Thymoma A
  • Thymoma AB
  • Thymom B1
  • Thymom B2
  • Thymom B3
  • Thymisk karcinom

Inklusion er baseret på en konsensusdiagnose med et overensstemmelsesniveau på mindre end 70 %. Dette kriterium anvendes under uddannelsesfasen af ​​modellen.

Gentagelseskriterier:

Deltagere med et dokumenteret gentagelsesresultat inden for en 5-årig periode anses for at være kvalificerede til dette aspekt af undersøgelsen. Dette kriterium anvendes primært i valideringsfasen.

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
Patienter med TET

Patienter diagnosticeret med følgende TET-undertyper:

  • Thymom type A
  • Thymoma Type AB
  • Thymom type B1
  • Thymom type B2
  • Thymom type B3
  • Thymisk karcinom
Diagnostisk test: Diagnostik af kunstig intelligens
AI Diagnostics bruger avancerede algoritmer til præcis histologisk billedanalyse for at hjælpe med at diagnosticere sygdom, herunder undertype.
Andre navne:
  • AI-diagnostik, AI-klassificering
Tilbagevenden
Patienter med tymiske epiteltumorer, som har oplevet recidiv.
Diagnostisk test: Værktøj til forudsigelse af gentagelse
Dette AI-værktøj evaluerer thymustumordata og andre kliniske data og beregner risikoen for tilbagefald med det formål at analysere, om der er en sammenhæng med specifikke undertyper af thymusepitheltumorer og kliniske data.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
WP1 - Databaser/dataforbehandling
Tidsramme: M1-M18
EMC-datasættet omfatter 179 TET-patienter klassificeret af erfarne TET-patologer. Cases med god overensstemmelse mellem patologer vil blive brugt til træning af AI-modeller. Evalueringen omfatter digitaliserede patologiglas vurderet af et internationalt ekspertpanel. MUMC-databasen (137 patienter) og CHUL-databasen (181 patienter) giver yderligere data, herunder kliniske variabler. Relevante faktorer omfatter alder, køn, tumorvolumen, stadie, fuldstændighed af resektion, autoimmune lidelser og behandlingsdetaljer.
M1-M18

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
WP2 - Deep Learning-Model for TET-klassificering og gentagelsesforudsigelse
Tidsramme: M6-M32
Dette resultat sigter mod at skabe en AI-ramme med to hovedmål. Undersøg først TET-undertyper ved hjælp af fire forskellige modeller, der lægger vægt på celletype, morfologiske strukturer og en kombination. For det andet, klassificer patienter baseret på tilbagefald inden for 5 år. En ablationsundersøgelse vil blive udført med state-of-the-art deep learning klassifikatorer (ResNet, Inception).
M6-M32

Andre resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
WP3: Klinisk evaluering
Tidsramme: M6-M36
AI-model 1-3 vil blive bygget og valideret på EMC-databasen, mens AI-model 4 vil blive bygget på MUMC+-databasen og valideret på begge. Modellens ydeevne vil blive vurderet ved hjælp af sensitivitet, specificitet, negativ/positiv prædiktiv værdi. Beslutningsanalysekurver vil kvantificere den kliniske fordel og identificere patientgrupper med den største nytteværdi.
M6-M36

Samarbejdspartnere og efterforskere

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

Sponsor

Erasmus Medical Center

Samarbejdspartnere

Hospices Civils de Lyon
Maastro Clinic, The Netherlands

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

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)

1. august 2023

Primær færdiggørelse (Anslået)

1. august 2027

Studieafslutning (Anslået)

1. august 2027

Datoer for studieregistrering

Først indsendt

4. marts 2024

Først indsendt, der opfyldte QC-kriterier

4. marts 2024

Først opslået (Faktiske)

8. marts 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

27. marts 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

26. marts 2024

Sidst verificeret

1. marts 2024

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • Maastro Clinic
  • 72725524 (Andet bevillings-/finansieringsnummer: Hanarth Fonds)

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 Thymisk karcinom

Kliniske forsøg med Diagnostik af kunstig intelligens

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Saudi Arabia

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

3
Abonner