Deep Learning mit MRT-basierter multimodaler Datenfusion verbesserte postoperative Risikostratifizierung von Brustkrebs
Brustkrebs stellt eine erhebliche globale Gesundheitsherausforderung dar, insbesondere bei Frauen, mit hohen Rückfallraten und einer weiten Ausbreitung trotz frühzeitiger Interventionen. Die rechtzeitige Erkennung des Metastasierungsrisikos und die genaue Vorhersage von Behandlungsstrategien sind entscheidend für die Verbesserung der Prognose. Die komplexe Heterogenität von Brusttumoren stellt jedoch eine Herausforderung für die genaue Prognose dar. Daher ist die Entwicklung innovativer Methoden zur Tumorsegmentierung und Prognosebewertung unerlässlich.
Bei der durchgeführten Forschung handelt es sich um eine multizentrische Studie, an der 1.199 nicht-metastasierende Brustkrebspatientinnen aus vier unabhängigen Zentren teilnahmen. Unsere Studie nutzt die Fortschritte in der künstlichen Intelligenz (KI), um dieser Herausforderung zu begegnen. Diese Studie ist die erste erfolgreiche Anwendung eines MRT-basierten multimodalen Vorhersagesystems zur genauen Bestimmung des Risikos eines postoperativen Rezidivs bei Brustkrebspatientinnen.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Histologisch bestätigtes invasives BC im Stadium I–III
- Alter ≥ 18 Jahre
- Der Patient wurde operiert
- Das Vorhandensein von MRT-Scans
Ausschlusskriterien:
- Fehlende pathologische Ergebnisse
- Hatte gleichzeitig andere bösartige Erkrankungen
- Probleme mit der MRT-Bildgebung wurden ausgeschlossen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Ausbildungskohorte
Wir haben 569 Patienten aus dem Sun Yat-sen Memorial Hospital der Sun Yat-sen-Universität (SYSMH; Guangzhou, China) im Verhältnis 3:1 zufällig den Trainings- (n = 456) und internen Validierungskohorten (n = 113) zugeordnet.
|
|
|
Interne Validierungskohorte
Wir haben 569 Patienten aus dem Sun Yat-sen Memorial Hospital der Sun Yat-sen-Universität (SYSMH; Guangzhou, China) im Verhältnis 3:1 zufällig den Trainings- (n = 456) und internen Validierungskohorten (n = 113) zugeordnet.
|
|
|
Externe Testkohorte 1
432 vom Sun Yat-sen University Cancer Center (SYSUCC; Guangzhou, China) in die externe Testkohorte 1.
|
|
|
Externe Testkohorte 2
198 vom Dongguan Tungwah Hospital (DTH; Dongguan, China) und dem Shunde Hospital der Southern Medical University (SDHSMU; Guangzhou, China) in die externe Testkohorte 2.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
DFS
Zeitfenster: Die Zeit von der Operation bis zum Wiederauftreten des Tumors, einschließlich lokalem und/oder entferntem Wiederauftreten, Krankheitsprogression oder Tod, wurde auf bis zu 100 Monate geschätzt.
|
Krankheitsfreies Überleben
|
Die Zeit von der Operation bis zum Wiederauftreten des Tumors, einschließlich lokalem und/oder entferntem Wiederauftreten, Krankheitsprogression oder Tod, wurde auf bis zu 100 Monate geschätzt.
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- YSEC-KY-KS-2019-054-001
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .