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

Entwicklung und prospektive Validierung eines pathologiebasierten künstlichen Intelligenzmodells zur Vorhersage der Zeit bis zur Kastrationsresistenz von Prostatakrebs

Entwicklung und prospektive Validierung eines auf Pathologie basierenden künstlichen Intelligenz-Modells zur Vorhersage der Zeit bis zur Kastrationsresistenz von Prostatakrebs

Das Ziel dieses prädiktiven Tests ist es, die Leistung eines vorab entwickelten künstlichen Intelligenz (KI) - prädiktiven Modells zur Vorhersage der Zeit bis zur Kastrationsresistenz von Prostatakrebs prospektiv zu testen. Die Forscher hatten dieses KI-Modell in vorläufigen Untersuchungen auf der Grundlage von Deep-Learning-Algorithmen entwickelt, und es schnitt in retrospektiven Tests gut ab.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Die Hormontherapie ist eine wichtige Behandlungsmethode für Prostatakrebs und kann die Überlebenszeit der Patienten effektiv verlängern. Allerdings werden fast alle Patienten zu unterschiedlichen Zeitpunkten zu einem kastrationsresistenten Prostatakrebs fortschreiten. Aktuelle Hormontherapie-Optionen umfassen Androgendeprivationstherapie (ADT), Anti-Androgen-Rezeptor (AR) und Chemotherapie, wobei eine Kombinationstherapie in frühen Stadien wirksamer ist, jedoch mit stärkeren Nebenwirkungen verbunden ist. Daher kann die Vorhersage der Zeit bis zur kastrationsresistenten Progression und die Nutzung dieser Informationen zur Anwendung personalisierter Behandlungspläne die Wirksamkeit sicherstellen und gleichzeitig die Medikamentennebenwirkungen reduzieren. Daher haben wir ein künstliches Intelligenz-Vorhersagemodell zur Prognose der Zeit bis zur Kastrationsresistenz bei Prostatakrebs entwickelt, das voraussichtlich die Progressionszeit für verschiedene Patienten genau vorhersagen und Ärzte bei der Erstellung personalisierter und präziser Behandlungspläne basierend auf individuellen Progressionsrisiken unterstützen wird.

Diese Studie ist ein Vorhersagetest ohne Interventionsmaßnahmen, bei dem geplant ist, pathologische Schnitte von Prostatabiopsien der eingeschriebenen Patienten zu sammeln und sie in Ganzschnitten-Bilder (WSIs) zu digitalisieren. Das KI-Modell wird die WSIs analysieren und vorhersagende Ergebnisse auf Schnittebene generieren (innerhalb von 12 Monaten, zwischen 12 und 24 Monaten oder über 24 Monate). Die routinemäßige Therapie und Untersuchung wird wie üblich durchgeführt. Diese beiden Prozesse werden sich nicht gegenseitig beeinflussen. Anschließend werden wir die Patienten für 24 Monate nachverfolgen, um die Zeit bis zur kastrationsresistenten Progression aufzuzeichnen, und dann die Ergebnisse mit dem Vorhersagemodell vergleichen.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

150

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

    • Guangdong
      • Guangzhou, Guangdong, China, 510120
        • Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
        • 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 Prostatakrebs, die zwischen Januar 2026 und Dezember 2026 im Sun Yat-sen Memorial Hospital der Sun Yat-sen University eine Prostatabiopsie durchführen lassen, sollen in diesen prospektiven Prädiktionstest aufgenommen werden. Histopathologische Schnitte von Biopsiegeweben der eingeschlossenen Patienten werden gesammelt und als Ganzschichtbilder (WSIs) digitalisiert, um das KI-Modell prospektiv zu validieren.

Beschreibung

Einschlusskriterien:

  1. Patienten mit der Diagnose eines mittel- bis hochgradigen Prostatakarzinoms; Durchführung einer Prostatabiopsie
  2. Patienten erhielten ausschließlich eine endokrine Therapie für das Prostatakarzinom;
  3. Patienten mit vollständigen klinischen und pathologischen Informationen.
  4. Patienten stimmen der Teilnahme an diesem diagnostischen Test zu.

Ausschlusskriterien:

  1. Patienten mit anderen Tumoren und Durchführung einer systemischen Therapie.
  2. Der Patient lehnte die Teilnahme an diesem diagnostischen Test ab.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Patienten unterziehen sich einer Prostatabiopsie
Patienten unterziehen sich einer Prostatabiopsie und werden mit Prostatakrebs diagnostiziert, die eine Hormontherapie erhalten.
Sammeln Sie pathologische Schnitte von Prostatabiopsien der eingeschlossenen Patienten. Digitalisieren Sie diese Schnitte zu Ganzschnitten-Bildern (WSIs). Analysieren Sie die WSIs mit dem KI-Modell, um Vorhersageergebnisse zu generieren (innerhalb von 12 Monaten, zwischen 12 und 24 Monaten oder über 24 Monate). In dieser prädiktiven Teststudie werden keine Eingriffe an Patienten durchgeführt.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
C-Index (Konkordanzindex)
Zeitfenster: Für jeden eingeschriebenen Patienten werden die Vorhersageergebnisse des KI-Modells kurz nach der Prostatabiopsie ermittelt, und der C-Index des KI-Modells wird bis zum Studienabschluss, durchschnittlich 3 Jahre, bewertet.
Der Anteil aller Patientenpaare, bei denen die vorhergesagte Ergebnisreihenfolge mit der tatsächlichen Ergebnisreihenfolge übereinstimmt. Er schätzt die Wahrscheinlichkeit, dass die vorhergesagten Ergebnisse mit den beobachteten Ergebnissen übereinstimmen.
Für jeden eingeschriebenen Patienten werden die Vorhersageergebnisse des KI-Modells kurz nach der Prostatabiopsie ermittelt, und der C-Index des KI-Modells wird bis zum Studienabschluss, durchschnittlich 3 Jahre, bewertet.

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit
Zeitfenster: Für jeden eingeschriebenen Patienten werden die Vorhersageergebnisse des KI-Modells kurz nach der Prostata-Biopsie erzielt, und die Sensitivität des KI-Modells wird bis zum Studienabschluss, durchschnittlich 3 Jahre, bewertet.
Die Ausgabe des prädiktiven Modells wird mithilfe eines 12-Monats-Schwellenwerts in eine binäre Variable unterteilt: TTCR <12 Monate gilt als positives Ergebnis, und TTCR ≥12 Monate gilt als negatives Ergebnis. Dementsprechend sind Patienten mit TTCR <12 Monaten positive Patienten, und solche mit TTCR ≥12 Monaten sind negative Patienten. Die Anzahl der korrekt vorhergesagten positiven Folien (TTCR<12 Monate) ist durch die Gesamtzahl der positiven Folien zu teilen.
Für jeden eingeschriebenen Patienten werden die Vorhersageergebnisse des KI-Modells kurz nach der Prostata-Biopsie erzielt, und die Sensitivität des KI-Modells wird bis zum Studienabschluss, durchschnittlich 3 Jahre, bewertet.
Spezifität
Zeitfenster: Für jeden eingeschriebenen Patienten werden die prädiktiven Ergebnisse des KI-Modells kurz nach der Prostatabiopsie erzielt, und die Spezifität des KI-Modells wird bis zum Studienabschluss, durchschnittlich 3 Jahre, bewertet.
Die Ausgabe des prädiktiven Modells wird mithilfe eines 12-Monats-Schwellenwerts in eine binäre Variable unterteilt: TTCR <12 Monate wird als positives Ergebnis betrachtet, und TTCR ≥12 Monate wird als negatives Ergebnis betrachtet. Dementsprechend sind Patienten mit TTCR <12 Monate positive Patienten, und solche mit TTCR ≥12 Monate sind negative Patienten. Die Anzahl der korrekt vorhergesagten negativen Objektträger (TTCR≥12 Monate), geteilt durch die Gesamtzahl der negativen Objektträger
Für jeden eingeschriebenen Patienten werden die prädiktiven Ergebnisse des KI-Modells kurz nach der Prostatabiopsie erzielt, und die Spezifität des KI-Modells wird bis zum Studienabschluss, durchschnittlich 3 Jahre, bewertet.

Mitarbeiter und Ermittler

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

Sponsor

Ermittler

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

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 (Geschätzt)

1. Januar 2026

Primärer Abschluss (Geschätzt)

31. Dezember 2028

Studienabschluss (Geschätzt)

31. Dezember 2028

Studienanmeldedaten

Zuerst eingereicht

21. Januar 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

21. Januar 2026

Zuerst gepostet (Tatsächlich)

29. Januar 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

29. Januar 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

21. Januar 2026

Zuletzt verifiziert

1. Januar 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • SYSKY-2025-940-01

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Um die Privatsphäre der Patienten zu schützen, sind pathologische Schnittbilder und andere patientenbezogene Daten nicht öffentlich zugänglich.

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

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 .