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

Forudsigelse af signifikant leverfibrose (PSLF)

16. juli 2024 opdateret af: Huang Haijun

Multimodal digital billedfusionsteknologi baseret på dyb læring for at forudsige signifikant leverfibrose og dens anvendelse i multicenterforskning

Den dybe læringsmetode baseret på konvolutionelt neuralt netværk (CNN) blev brugt til at udtrække de relevante træk ved leverfibroseklassificering fra den multimodale information fra digitale patologiske sektioner, kliniske parametre og biomarkører for et stort antal eksisterende tilfælde af leverpunktur, og U-Net-arkitekturen i CNN blev brugt til at segmentere og udtrække funktionerne i kliniske medicinske billeder.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Patienter med kronisk hepatitis B gennemgik B-ultralyd-guidet leverbiopsi og blev opdelt i mild leverfibrosegruppe (fibrosegrad 0-1, S1), signifikant leverfibrosegruppe (fibrosegrad 2, S2), fremskreden leverfibrosegruppe og tidlig leverfibrosegruppe. cirrhosis gruppe (fibrose grad 3-4, S3-4) i henhold til de patologiske resultater.I denne undersøgelse blev 200 patienter med forskellige grader af leverfibrose og 200 normale frivillige indsamlet fra 2018 til 2022, og deres kliniske biokemiske data, billeddannelsesdata og perifere blodprøver blev indsamlet. De patologiske mikromiljøkarakteristika, billeddannelseskarakteristika, kliniske parameterkarakteristika og andre data fra patienter blev ekstraheret, og destillationslæringsmetoden baseret på lærer-elev-model blev vedtaget for at udvikle og konstruere en multimodal big data-analyse model for nøjagtig gradering af leverfibrose, for at opnå et ikke-invasivt intelligent graderingsdiagnosesystem for leverfibrose.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

700

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Kina
    • Zhejiang
      • Hangzhou, Zhejiang, Kina, 310014

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

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

En patient med kronisk hepatitis B leverfibrose bekræftet ved leverbiopsi

Beskrivelse

Inklusionskriterier:

  1. Alder 18-60 år
  2. Diagnosen af ​​kronisk hepatitis B er i overensstemmelse med de diagnostiske kriterier i Kinas 2019 retningslinjer for forebyggelse og behandling af kronisk hepatitis B, og diagnosen af ​​ikke-alkoholisk fedtlever er i overensstemmelse med retningslinjerne fra Asian Pacific Hepatology Association
  3. Billeddiagnostik viste ingen leverkræft

Ekskluderingskriterier:

  1. Der er kontraindikationer for leverbiopsi
  2. Leverpatologi opfyldte ikke kriterierne

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
mild fibrose
S0-1
betydelig leverfibrose
S2
Avanceret leverfibrose
S3-4

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Modeludvikling
Tidsramme: 2024.6-2024.12
Billeddiagnostik (såsom CT-scanning, MR, røntgen, osv.) funktioner og kliniske parametre for patienter blev ekstraheret, herunder populationsbaselinekarakteristika (såsom alder, køn, komorbiditioner osv.), biokemiske blodindikatorer (såsom blodsukker) , lipider, leverfunktionsindikatorer osv.) og blodcytologiske indikatorer (såsom antal hvide blodlegemer, antal røde blodlegemer osv.). Fuldført casevalg og kohorteetablering, multimodal feature ekstraktion og modeludvikling
2024.6-2024.12

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Byg et multimodalt big data-leverfibrose-skyplatformssystem med tidlig varsling
Tidsramme: 2025.1-2025.12
Vi har til hensigt at designe en cloudplatform med datalagrings-, -behandlings- og analysekomponenter.Vælg den passende teknologistak for at sikre, at platformen har evnen til at håndtere data i stor skala og har god skalerbarhed og ydeevne. Den tidligere opbyggede multimodale leverfibrosepræcision indtastningsmodellen blev derefter indlejret i platformen, hvilket sikrede, at modellen kunne håndtere en række forskellige datatyper og integreres problemfrit med andre komponenter på platformen. Samtidig bruges strømbehandlingsteknologien til at integrere overvågning og analyse i realtid platformens funktion for at foretage hurtig forudsigelse og klassificering af de nyligt erhvervede leverfibrose-tilfældedata. Nøjagtigheden og stabiliteten af ​​modellen blev yderligere verificeret i multi-center kliniske data, og den multi-modale big data leverfibrose tidligt advarselsskyplatformsystem blev bygget
2025.1-2025.12

Andre resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Evaluering Multi-modal big data leverfibrose advarsel platform system effektivitet
Tidsramme: 2026.1-2026.12
For at teste effektiviteten af ​​det multimodale big data leverfibrose advarselsplatformssystem i et ægte multicenter klinisk miljø. Vi vil også undersøge muligheden for at bruge platformen til langsigtet opfølgning af patienter, fjerntestning af patienter og regelmæssig vurdering af sygdomsprogression
2026.1-2026.12

Samarbejdspartnere og efterforskere

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

Sponsor

Huang Haijun

Samarbejdspartnere

East China University of Science and Technology

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)

20. juli 2024

Primær færdiggørelse (Anslået)

31. december 2024

Studieafslutning (Anslået)

31. december 2026

Datoer for studieregistrering

Først indsendt

10. juli 2024

Først indsendt, der opfyldte QC-kriterier

16. juli 2024

Først opslået (Faktiske)

19. juli 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

19. juli 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

16. juli 2024

Sidst verificeret

1. juli 2024

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • KY2024072

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 Leverfibrose

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Armenia

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner