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

Udvikling og prospektiv validering af en patologibaseret kunstig intelligensmodel til at forudsige tiden til kastrationsresistens ved prostatakræft

21. januar 2026 opdateret af: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Udvikling og prospektiv validering af en patologibaseret kunstig intelligens-model til at forudsige tiden til kastrationsresistens ved prostatakræft

Formålet med denne prædiktive test er prospektivt at teste ydelsen af en forududviklet kunstig intelligens (AI) prædiktiv model til at forudsige tiden til kastrationsresistens ved prostatakræft. Forskerne havde udviklet denne AI-model baseret på deep learning-algoritmer i foreløbig forskning, og den præsterede godt i retrospektive tests.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Hormonbehandling er en vigtig behandlingsmetode for prostatakræft og kan effektivt forlænge patienternes overlevelse. Næsten alle patienter vil dog på forskellige tidspunkter udvikle kastrationsresistent prostatakræft. Nuværende hormonbehandlingsmuligheder omfatter androgenundertrykkende terapi (ADT), anti-androgenreceptor (AR) og kemoterapi, hvor kombinationsbehandling er mere effektiv i de tidlige stadier, men forbundet med større bivirkninger. Derfor kan forudsigelse af tiden til kastrationsresistent progression og brug af denne information til at anvende personlige behandlingsplaner sikre effektivitet samtidig med at reducere lægemiddelbivirkninger. Derfor har vi udviklet en kunstig intelligens forudsigelsesmodel til at forudsige tiden til kastrationsresistens ved prostatakræft, som forventes at kunne forudsige progressionstiden for forskellige patienter præcist og hjælpe læger med at udarbejde personlige og præcise behandlingsplaner baseret på individuelle progressionsrisici.

Dette studie er en forudsigelsestest uden indgribende foranstaltninger, der planlægger at indsamle patologiske snit af prostata-biopsi fra de indskrevne patienter og digitalisere dem til hele-snit billeder (WSI'er). AI-modellen vil analysere WSI'erne og generere snit-niveau forudsigelsesresultater (inden for 12 måneder, mellem 12 til 24 måneder eller over 24 måneder). Rutinemæssig terapi og undersøgelse vil blive udført som sædvanligt. Disse to processer vil ikke forstyrre hinanden. Derefter vil vi følge patienterne op i 24 måneder for at registrere tiden til kastrationsresistent progression, hvorefter vi vil sammenligne resultaterne med forudsigelsesmodellen.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

150

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

  • Kina
    • Guangdong
      • Guangzhou, Guangdong, Kina, 510120
        • Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
        • 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

Patienter med prostatacancer, der gennemgår prostata-biopsi mellem januar 2026 og december 2026 på Sun Yat-sen Memorial Hospital ved Sun Yat-sen University, er planlagt til at blive inkluderet i denne prospektive prædiktive test. Histopatologiske præparater af biopsi-væv fra inkluderede patienter vil blive indsamlet og digitaliseret som helsidesbilleder (WSI'er) til prospektiv validering af AI-modellen.

Beskrivelse

Inklusionskriterier:

  1. Patienterne er diagnosticeret med mellem- til højrisiko prostatakræft; gennemgår prostata biopsi
  2. Patienterne har kun modtaget endokrin terapi for prostatakræft;
  3. Patienter med komplet klinisk og patologisk information.
  4. Patienterne accepterer at deltage i denne diagnostiske test.

Eksklusionskriterier:

  1. Patienter med andre tumorer og gennemgår systemisk terapi.
  2. Patienten nægtede at deltage i denne diagnostiske test.

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 gennemgår prostata-biopsi
Patienter gennemgår prostata biopsi og diagnosticeres med prostatakræft, som modtager hormonbehandling.
Andet: Kunstig intelligens (AI)-baseret forudsigelsesmodel (udviklet)
Indsaml patologiske prøver af prostata-biopsier fra de indskrevne patienter. Digitaliser disse prøver til hele-prøve-billeder (WSI'er). Analyser WSI'erne ved hjælp af AI-modellen for at generere prædiktive resultater (inden for 12 måneder, mellem 12 til 24 måneder eller over 24 måneder). Ingen intervention på patienterne vil blive udført i dette prædiktive teststudie.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
C-indeks (Sammenhængsindeks)
Tidsramme: For hver indskrevet patient vil de prædiktive resultater af AI-modellen blive opnået kort efter prostata-biopsi, og C-indekset for AI-modellen vil blive evalueret gennem studiet, i gennemsnit over 3 år.
Andelen af alle patientpar, hvor den forudsagte udfaldrækkefølge matcher den faktiske udfaldrækkefølge.
Den estimerer sandsynligheden for, at de forudsagte resultater er i overensstemmelse med de observerede udfald.
For hver indskrevet patient vil de prædiktive resultater af AI-modellen blive opnået kort efter prostata-biopsi, og C-indekset for AI-modellen vil blive evalueret gennem studiet, i gennemsnit over 3 år.

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
følsomhed
Tidsramme: For hver indskrevet patient vil de prædiktive resultater fra AI-modellen blive opnået ikke længe efter prostata-biopsien, og følsomheden af AI-modellen vil blive evalueret gennem studiefærdiggørelsen, i gennemsnit 3 år.
Resultatet af den prædiktive model er opdelt i en binær variabel ved hjælp af en 12-måneders tærskel: TTCR <12 måneder betragtes som et positivt udfald, og TTCR ≥12 måneder betragtes som et negativt udfald. Følgelig er patienter med TTCR <12 måneder positive patienter, og dem med TTCR ≥12 måneder er negative patienter. Antallet af korrekt forudsagte positive prøver (TTCR<12 måneder), der skal divideres med det samlede antal positive prøver
For hver indskrevet patient vil de prædiktive resultater fra AI-modellen blive opnået ikke længe efter prostata-biopsien, og følsomheden af AI-modellen vil blive evalueret gennem studiefærdiggørelsen, i gennemsnit 3 år.
specificitet
Tidsramme: For hver indskrevet patient vil de prædiktive resultater fra AI-modellen blive opnået kort efter prostata-biopsi, og AI-modellens specificitet vil blive evalueret ved studiafslutningen, i gennemsnit 3 år.
Resultatet af den prædiktive model er opdelt i en binær variabel ved hjælp af en 12-måneders tærskel: TTCR <12 måneder betragtes som et positivt udfald, og TTCR ≥12 måneder betragtes som et negativt udfald. Følgelig er patienter med TTCR <12 måneder positive patienter, og dem med TTCR ≥12 måneder er negative patienter. Antallet af korrekt forudsagte negative prøver (TTCR≥12 måneder), der skal divideres med det samlede antal negative prøver
For hver indskrevet patient vil de prædiktive resultater fra AI-modellen blive opnået kort efter prostata-biopsi, og AI-modellens specificitet vil blive evalueret ved studiafslutningen, i gennemsnit 3 år.

Samarbejdspartnere og efterforskere

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

Sponsor

Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Efterforskere

  • Studieleder: Shaoxu Wu, Ph.D, Department of Urology of Sun Yat-sen Memorial Hospital of Sun Yat-sen University

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. januar 2026

Primær færdiggørelse (Anslået)

31. december 2028

Studieafslutning (Anslået)

31. december 2028

Datoer for studieregistrering

Først indsendt

21. januar 2026

Først indsendt, der opfyldte QC-kriterier

21. januar 2026

Først opslået (Faktiske)

29. januar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

29. januar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

21. januar 2026

Sidst verificeret

1. januar 2026

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • SYSKY-2025-940-01

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

For at beskytte patienternes privatliv er patologiske prøvebilleder og andre patientrelaterede data ikke offentligt tilgængelige.

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 Kunstig intelligens (AI)-baseret forudsigelsesmodel (udviklet)

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Venezuela

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner