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

Validering af en maskinlæringsmodel baseret på MR til forudsigelse af prostatacancer

Validering af en maskinlæringsmodel baseret på multiparametrisk MR til forudsigelse af klinisk signifikant prostatacancer

Målet med dette observationsstudie er at validere en klinisk signifikant prædiktiv maskinlæringsmodel baseret på behandling af billeder RMmp (Multiparametric Magnetic Resonance Imaging). For at blive valideret skal modellen evalueres på:

  • Specificitet (SP): er sandsynligheden for et negativt testresultat, betinget af, at individet virkelig er negativt
  • Sensitivitet (SN): er sandsynligheden for et positivt testresultat, betinget af, at individet virkelig er positivt

Studieoversigt

Status

Rekruttering

Betingelser

Detaljeret beskrivelse

Dette er en tværgående, ikke-interventionel observationsundersøgelse, der involverer analyse af data indsamlet både retrospektivt og prospektivt.

Patienter vil blive indskrevet af radiologens medicinske personale udpeget af den primære investigator. Principal Investigator og hans delegerede vil være ansvarlige for erhvervelse og pseudo-anonymisering af billeder af patienter indskrevet (både retrospektivt og prospektivt) fra RIS-PACS på IRCCS Bologna University Hospital, Policlinico di Sant'Orsola. Når det er tilgængeligt, vil O.U. of Pathological Anatomy vil give digitale scanninger af prostata-makrosektionerne.

Til validering af maskinlæringsmodellen af ​​klinisk signifikant CaP vil et værktøj blive stillet til rådighed for radiologer. Dette værktøj er udviklet af Institut for Informatik - Videnskab og Ingeniørvidenskab, DISI, University of Bologna og Alma Mater Research Institute on Global Challenges and Climate Change, Alma Climate, University of Bologna, og integreret i en open-source Dicom viewer, Aliza MS Dicom Viewer. Lægerne vil derefter have mulighed for selvstændigt at udføre segmenteringen af ​​ADC-sekvenserne (tidligere pseudo-anonymiserede) og starte den radiomiske proces for at opnå en prædiktiv værdi af sandsynligheden for, at den segmenterede læsion er klinisk signifikant. Denne sandsynlighedsværdi vil blive beregnet af softwaren på basis af maskinlæringsmodellen udviklet i PROSTATE_01. Værktøjet tillader også dataindsamling (organiseret og pseudo-anonym). Valideringen af ​​den klinisk signifikante prædiktive model af CaP vil blive udført på alle patienter, der er indskrevet både retrospektivt og prospektivt, undtagen dem, der blev brugt i modeltræningsfasen i PROSTATE_01. Efter at have evalueret ydeevnen af ​​den validerede model og virkningerne af udvælgelsesbias, vil der, når rekrutteringen er afsluttet både retrospektivt og prospektivt, blive udført en forfining af den tidligere udviklede model. Dette vil være en "genoplæring" af selve modellen, udført på trænings- og testdatasæt, der er tilfældigt udvalgt fra hele den tilmeldte population, hvorfra den vil blive opnået tilfældigt, ved forskel, også delmængden til en ny validering.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

1100

Kontakter og lokationer

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

Studiekontakt

Studiesteder

      • Bologna, Italien, 40138
        • Rekruttering
        • IRCCS Azienda Ospedaliero-Universitaria di Bologna
        • 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

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Undersøgelsen vil omfatte deltagere, der har udført en MFR på U.O.C. Radiologi Addomino-Bækken Diagnostik og Intervention af IRCCS Universitetshospitalet i Bologna, Sant'Orsola Polyclinic og en TRUS biopsi med fusionsteknik med RMmp af prostata. Den retrospektive tilmelding refererer til perioden mellem 15. september 2015 (dato for start af TRUS-biopsi med fusionsteknik med RMmp på Policlinico di Sant'Orsola) og datoen for godkendelse af denne undersøgelse. Den fremtidige optagelse refererer til tidsrummet fra studiegodkendelsen til de efterfølgende 3 år.

Beskrivelse

Inklusionskriterier:

  • Deltagere i alderen 18 på eksamenstidspunktet
  • Indhentning af informeret samtykke
  • Tilstedeværelse af en eller flere læsioner klassificeret som PI-RADSv2.1 ≥ 1 ved en prostata RMmp på IRCCS Azienda Ospedaliero-Universitaria i Bologna
  • Indikation for TRUS-biopsi ved fusionsteknik integreret med systematisk biopsi på IRCCS Azienda Ospedaliero-Universitaria i Bologna

Ekskluderingskriterier:

  • Tidligere prostatakirurgi eller hormonbehandling
  • Teknisk suboptimale undersøgelser for tilstedeværelsen af ​​artefakter (hofteprotese, bevægelse af endorektalsonden osv.)

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
Specificitet (SP)
Tidsramme: Fra indskrivning til afsluttet behandling ved 5 år
Specificitet er sandsynligheden for at opnå en negativ klassificering, eller at sygdommen faktisk er fraværende.
Fra indskrivning til afsluttet behandling ved 5 år
Følsomhed (SN)
Tidsramme: Fra indskrivning til afsluttet behandling ved 5 år
Sensitivitet er sandsynligheden for en positiv klassificering, eller at sygdommen faktisk er til stede.
Fra indskrivning til afsluttet behandling ved 5 år
Positiv forudsigelig værdi (PPV)
Tidsramme: Fra indskrivning til afsluttet behandling ved 5 år
Det er forholdet mellem patienter, der virkelig er diagnosticeret som positive i forhold til alle dem, der havde positive testresultater (inklusive raske forsøgspersoner, der blev diagnosticeret forkert som patient).
Fra indskrivning til afsluttet behandling ved 5 år
Negativ forudsigelig værdi (NPV)
Tidsramme: Fra indskrivning til afsluttet behandling ved 5 år
Det er forholdet mellem forsøgspersoner, der virkelig er diagnosticeret som negative i forhold til alle dem, der havde negative testresultater (inklusive patienter, der fejlagtigt blev diagnosticeret som raske).
Fra indskrivning til afsluttet behandling ved 5 år

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Ledende efterforsker: Caterina Gaudiano, MD, IRCCS Azienda Ospedaliero-Universitaria di Bologna

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)

21. maj 2024

Primær færdiggørelse (Anslået)

1. oktober 2028

Studieafslutning (Anslået)

1. november 2028

Datoer for studieregistrering

Først indsendt

9. januar 2025

Først indsendt, der opfyldte QC-kriterier

9. januar 2025

Først opslået (Faktiske)

25. marts 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

25. marts 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

9. januar 2025

Sidst verificeret

1. november 2024

Mere information

Begreber relateret til denne undersøgelse

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 .

Abonner