Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Optimierung des Nierentumormanagements durch Module der künstlichen Intelligenz

16. März 2025 aktualisiert von: Shao Pengfei

Mutimodale künstliche Intelligenz zur Optimierung des Nierentumormanagements: Diagnose, Chirurgie und Prognose

Ziel dieser Beobachtungsstudie ist es, die Behandlung von Menschen mit Nierentumoren durch multimodale künstliche Intelligenz (KI) zu verbessern. Es wird auch die Genauigkeit der Vorhersagen von KI-Modellen messen. Die wichtigsten Fragen, die beantwortet werden sollen, sind:

  1. ob das KI-Modul durch Lernen aus präoperativen CT-Bildern genau tumorbezogene Informationen wie gutartig oder bösartig, Subtypen, Einstufung, Stadium usw. liefern kann.
  2. ob das KI-Modul Ärzten dabei helfen kann, das am besten geeignete chirurgische Programm für Menschen mit Nierentumoren zu finden.
  3. ob das KI-Modul CT-Bilder und Pathologie-Dias integrieren kann und so zusätzliche prognostische Informationen zur Verbesserung des postoperativen Überlebens bietet.

Teilnehmer, die eine CT-Untersuchung (normalerweise kontrastmittelverstärkte CT, CECT) abschließen und sich einer radikalen oder teilweisen Nephrektomie unterziehen, führen eine aktive Überwachung durch und zeichnen postoperative Überlebensdaten für 5 Jahre auf.

Studienübersicht

Status

Rekrutierung

Bedingungen

Detaillierte Beschreibung

In dieser Studie wird das KI-Modell Merkmale in CT-Bildern von Nierentumoren und pathologischen Bildern untersuchen und klären, die manuell schwer zu erkennen sind, und sie dann mit klinischen Ergebnissen korrelieren, wodurch der Diagnose- und Behandlungsprozess für Nierentumoren verbessert wird. Erstens kann das Modell Nierentumor-Subtypen genau unterscheiden und Stadium, Grad und Komplexität vorhersagen, um Fehldiagnosen zu vermeiden und Klinikern bei der Formulierung von Behandlungsplänen zu helfen. Zweitens kann das Modell durch das Lernen aus Operationsvideos während Operationen zusätzliche Informationen liefern, beispielsweise wichtige anatomische Orientierungspunkte und die Lage von Tumoren. Schließlich kann das Modell durch die Kombination von Radiomics und Pathomics zwischen Patienten mit hohem und niedrigem Risiko nach der Operation unterscheiden und so eine personalisierte prognostische Anleitung bieten.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

2100

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studieren Sie die Kontaktsicherung

Studienorte

    • Jiangsu
      • Nanjing, Jiangsu, China, 210036
        • Rekrutierung
        • The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
        • Kontakt:
        • Kontakt:

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten mit Nierentumoren bei bildgebenden Untersuchungen, die sich einer Operation unterzogen haben

Beschreibung

Einschlusskriterien:

  • Patienten mit Nierentumor, der operativ behandelt werden kann;
  • Führen Sie die CECT innerhalb von 30 Tagen vor der Operation durch.
  • Patienten, die diese Studie vollständig verstehen und die Einverständniserklärung unterzeichnen;

Ausschlusskriterien:

  • Patienten, bei denen ein Element in den klinischen und pathologischen Basisinformationen fehlt;
  • Patienten, die zum Zeitpunkt der Entdeckung des Tumors bereits Metastasen gebildet haben;
  • Vorherige Behandlung in jeglicher Form, einschließlich Operation, gezielter Therapie und Immuntherapie;

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Bewertung der Leistung von KI-Modellen anhand des umfassenden Bewertungsmodells „AUC“.
Zeitfenster: Von der Einschreibung bis zum Ende der 5-jährigen Nachbeobachtungszeit
„AUC“ bezieht sich auf die Fläche unter der ROC-Kurve (Receiver Operating Characteristic), die die Leistung des Modells bei der Vorhersage immunhistochemischer pathologischer Informationen zu Prostatakrebs nach einer Operation angibt. Die AUC liegt zwischen 0 und 1, wobei der größere Wert gilt was auf den besseren Vorhersageeffekt hinweist.
Von der Einschreibung bis zum Ende der 5-jährigen Nachbeobachtungszeit

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Bewertung der Leistung des Modells zur Vorhersage der Prognose der Teilnehmer nach der Operation durch Kaplan-Meier-Überlebensanalyse
Zeitfenster: Von der Einschreibung bis zum Ende der 5-jährigen Nachbeobachtungszeit
Die Kaplan-Meier-Überlebensanalyse ist eine nichtparametrische Statistik, die hauptsächlich zur Ermittlung von Faktoren verwendet wird, die auf das Überleben hinweisen.
Von der Einschreibung bis zum Ende der 5-jährigen Nachbeobachtungszeit

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. Januar 2025

Primärer Abschluss (Geschätzt)

1. Januar 2028

Studienabschluss (Geschätzt)

31. Dezember 2033

Studienanmeldedaten

Zuerst eingereicht

2. Dezember 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

2. Dezember 2024

Zuerst gepostet (Tatsächlich)

4. Dezember 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. März 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

16. März 2025

Zuletzt verifiziert

1. Dezember 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • 2024-SR-961

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

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 .