Prospektive Real-World-Studie zur Pathologie-KI für die molekulare Vorhersage von Gliomen
Eine prospektive Real-World-Studie zur Pathologie-Künstlichen Intelligenz zur Vorhersage molekularer Veränderungen bei Gliomen
Das Ziel dieser klinischen Studie ist es, herauszufinden, ob ein künstliches Intelligenz (KI)-Modell wichtige molekulare Veränderungen bei Gliomen, einer Art von Hirntumor, anhand digitaler Pathologiebilder genau vorhersagen kann.
Die Hauptfragen, die diese Studie beantworten soll, sind:
Wie genau ist das KI-Modell bei der Vorhersage wichtiger molekularer Veränderungen im Vergleich zu Standard-Molekulartests? Kann das KI-Modell die für die Diagnose benötigte Zeit verkürzen und den Bedarf an teuren Molekulartests reduzieren?
Die Forscher sammeln Ganzschnittenbilder von mehreren Krankenhäusern und verwenden das KI-Modell, um molekulare Ergebnisse vorherzusagen. Die Vorhersagen werden mit den tatsächlichen Testergebnissen aus Standard-Laborverfahren verglichen.
Die Teilnehmer werden:
Die Nutzung ihrer Pathologiebilder und Molekulartestergebnisse für Forschungszwecke erlauben.
Keine zusätzlichen Behandlungen oder Eingriffe über die Standardmedizinische Versorgung hinaus erhalten.
Diese Studie wird dazu beitragen, festzustellen, ob KI-gestützte Werkzeuge eine schnellere und kostengünstigere molekulare Diagnose für Gliome ermöglichen können, um die Patientenversorgung zu verbessern und den gleichberechtigten Zugang zur Präzisionsmedizin zu unterstützen.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: DANYI LI
- Telefonnummer: +8613538308634
- E-Mail: lidanyi26@163.com
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510515
- Rekrutierung
- Nanfang Hospital, Southern Medical University
-
Kontakt:
- Li Liang
- Telefonnummer: +8615989146266
- E-Mail: lli@smu.edu.cn
-
Kontakt:
- DANYI LI
- Telefonnummer: +8613538308634
- E-Mail: lidanyi26@163.com
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Diese Studie wird erwachsene Teilnehmer (ab 18 Jahren) einschließen, bei denen auf der Grundlage einer Biopsie oder chirurgischen Resektion ein diffuses Gliom diagnostiziert wurde oder der Verdacht darauf besteht. Die Teilnehmer müssen über verfügbare Hämatoxylin- und Eosin (H&E)-gefärbte digitale Pathologieschnitte sowie vollständige klinische und molekulare Testdaten verfügen.
Alle Teilnehmer werden Patienten sein, die eine Standardmedizinische Versorgung für Gliom erhalten haben. Im Rahmen dieser Studie werden keine zusätzlichen Behandlungen oder Interventionen durchgeführt. Pathologiebilder und molekulare Testergebnisse werden prospektiv von mehreren klinischen Zentren gesammelt, um die diagnostische Leistung des KI-basierten Pathologiemodells zu bewerten.
Beschreibung
Einschlusskriterien:
- Der Teilnehmer (oder der gesetzlich autorisierte Vertreter) hat die Einverständniserklärung freiwillig unterschrieben.
- Alter ≥ 18 Jahre zum Zeitpunkt der Einschreibung.
- Histologisch vermutetes diffuses Gliom basierend auf Biopsie oder chirurgischer Resektion.
- Verfügbarkeit vollständiger klinischer Informationen und nutzbarer digitaler Pathologieschnitte mit Hämatoxylin-Eosin (H&E)-Färbung.
- Postoperative molekularpathologische Ergebnisse verfügbar für den Vergleich.
Ausschlusskriterien:
- Pathologieproben von schlechter Qualität (z.B. unzureichendes Gewebe, starke Faltenbildung oder Kontamination der Schnitte oder minderwertige digitale Scanqualität).
- Vom Prüfer als aus irgendeinem Grund für die Teilnahme an der Studie ungeeignet eingestuft.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit des KI-Modells bei der Vorhersage wichtiger molekularer Veränderungen im Gliom
Zeitfenster: Innerhalb von 1 Woche nach Erhalt der Whole-Slide-Bilder (WSIs)
|
Das primäre Ergebnis ist die diagnostische Leistung des KI-basierten Pathologiemodells bei der Vorhersage wichtiger molekularer Veränderungen bei Gliomen.
Genauigkeit, Sensitivität, Spezifität und die Fläche unter der Receiver-Operating-Characteristic-Kurve (AUC) werden durch den Vergleich der KI-Vorhersagen mit Referenzergebnissen aus der Standard-Molekularpathologie-Testung berechnet.
|
Innerhalb von 1 Woche nach Erhalt der Whole-Slide-Bilder (WSIs)
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Studienleiter: Li Liang, Nanfang Hospital, Southern Medical University
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Geschätzt)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- NFEC-2025-508
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 .