Heldiasbillede og CT-radiomik baseret dybt læringssystem til forudsigelse af prognose i blærekræft
27. maj 2025 opdateret af: Mingzhao Xiao
Blærekræft (BLCA) med dens forskellige histopatologiske træk og varierende patientresultater udgør betydelige udfordringer i diagnosticering og prognose.
Postoperativ overlevelsesstratificering baseret på radiomik-funktion og hel dias-billedfunktion kan være nyttig til behandlingsbeslutninger for at forbedre prognosen.
I denne forskning sigter vi mod at udvikle et dybt læringsbaseret prognostisk stratificeringssystem til automatisk forudsigelse af overordnet og kræftspecifik overlevelse hos patienter med BLCA.
Studieoversigt
Status
Rekruttering
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Blærekræft kan være svært at diagnosticere og forudsige udfald for, da sygdommen kan variere meget mellem patienter.
Denne forskning har til formål at udvikle et nyt system, der bruger kunstig intelligens til at analysere patientinformation, herunder billeder fra operation og scanninger.
Dette system kunne så automatisk forudsige en patients samlede overlevelse, og hvor sandsynligt det er, at de overlever specifikt fra blærekræft.
Denne information kan bruges af læger til at træffe bedre behandlingsbeslutninger for hver patient.
Undersøgelsestype
Observationel
Tilmelding (Anslået)
1000
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: QuanHao He
- Telefonnummer: 800-555-5555
- E-mail: 2020120460@stu.cqmu.edu.cn
Undersøgelse Kontakt Backup
- Navn: Mingzhao Xiao, PHD
- Telefonnummer: 800-555-5555
- E-mail: 2023140134@stu.cqmu.edu.cn
Studiesteder
-
-
Chongqing
-
Chongqing, Chongqing, Kina, 400016
- Rekruttering
- Department of Urology, The First Affiliated Hospital of Chongqing Medical University
-
Kontakt:
- QuanHao He, PHD
- Telefonnummer: 800-555-5555
- E-mail: 2020120460@stu.cqmu.edu.cn
-
Kontakt:
- Mingzhao Xiao, PHD
- Telefonnummer: 023-89012557
- E-mail: 2023140134@stu.cqmu.edu.cn
-
-
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
Ingen
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Vi inkluderede patienter, som kun blev opereret, eller som havde neoadjuverende kemoterapi før operationen.
Vi udelukkede patienter med en postoperativ diagnose af non-urothelial carcinom.
Beskrivelse
Inklusionskriterier:
- patienter med blærekræft, som blev opereret som radikal cystektomi eller transurethral resektion af blæretumor (TURBT)
- kontrast-CT-scanning mindre end to uger før operationen
- komplette CT-billeddata og kliniske data
- komplette hele diasbilleddata
Ekskluderingskriterier:
- patienter med en postoperativ diagnose af non-urothelial carcinom
- dårlig kvalitet af CT-billeder
- ufuldstændige kliniske data og opfølgningsdata
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 |
|---|---|
|
BLCA
patienter med blærekræft, som blev opereret som radikal cystektomi eller transurethral resektion af blæretumor (TURBT).
|
udvikle og validere et dybt læringssystem til forudsigelse af prognosticering i blærekræft baseret på CT-radiomik og hele diasbilleder.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Samlet overlevelse
Tidsramme: op til 10 år
|
tidspunktet fra datoen for operationen til døden af enhver årsag eller datoen for sidste kontakt (censureret observation) på datoen for data cut-off.
|
op til 10 år
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Gentagelsesfri overlevelse
Tidsramme: op til 10 år
|
tiden fra operationsdatoen til datoen for første dokumenterede sygdomstilbagefald.
Patienter uden gentagelse på analysetidspunktet vil blive censureret
|
op til 10 år
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
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. januar 2024
Primær færdiggørelse (Anslået)
1. juni 2025
Studieafslutning (Anslået)
1. oktober 2025
Datoer for studieregistrering
Først indsendt
25. april 2024
Først indsendt, der opfyldte QC-kriterier
26. april 2024
Først opslået (Faktiske)
29. april 2024
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
28. maj 2025
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
27. maj 2025
Sidst verificeret
1. maj 2025
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- BLCA_CMUFH
- K2024-187-01 (Anden identifikator: The First Affiliated Hospital of Chongqing Medical University)
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
INGEN
IPD-planbeskrivelse
De datasæt, der er analyseret under den aktuelle undersøgelse, er ikke offentligt tilgængelige på grund af patienternes privatliv, men er tilgængelige fra den tilsvarende forfatter på rimelig anmodning.
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
produkt fremstillet i og eksporteret fra U.S.A.
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 Dybt læringssystem til forudsigelse af forudsigelse af blærekræft
-
Mingzhao XiaoAktiv, ikke rekrutterende