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

Deep-Learning-Signatur zur Vorhersage einer vollständigen pathologischen Reaktion auf eine neoadjuvante Chemoimmuntherapie bei nichtkleinzelligem Lungenkrebs

27. Juni 2023 aktualisiert von: Chang Chen, Shanghai Pulmonary Hospital, Shanghai, China

Eine Integration einer auf Computertomographie/Positronenemissionstomographie/Whole Slide Image (CT/PET/WSI) basierenden Deep-Learning-Signatur zur Vorhersage einer vollständigen pathologischen Reaktion auf eine neoadjuvante Chemoimmuntherapie bei nichtkleinzelligem Lungenkrebs: Eine multizentrische Studie

Der Zweck dieser Studie besteht darin, die Leistung einer CT/PET/WSI-basierten Deep-Learning-Signatur zur Vorhersage einer vollständigen pathologischen Reaktion auf eine neoadjuvante Chemoimmuntherapie bei nichtkleinzelligem Lungenkrebs zu bewerten

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

100

Kontakte und Standorte

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

Studienorte

  • China
    • Guizhou
      • Zunyi, Guizhou, China
        • Rekrutierung
        • Affiliated Hospital of Zunyi Medical University
        • Kontakt:
    • Jiangxi
      • Nanchang, Jiangxi, China
        • Rekrutierung
        • The First Affiliated Hospital of Nanchang University
        • Kontakt:
    • Zhejiang
      • Ningbo, Zhejiang, China
        • Rekrutierung
        • Ningbo HwaMei Hospital
        • 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

N/A

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Resezierter NSCLC im Stadium I–III nach neoadjuvanter Chemoimmuntherapie

Beschreibung

Einschlusskriterien:

  1. Alter zwischen 20 und 75 Jahren;
  2. Patienten, die sich nach neoadjuvanter Chemoimmuntherapie bei NSCLC einer kurativen Operation unterzogen;
  3. Einholung einer schriftlichen Einverständniserklärung.

Ausschlusskriterien:

  1. Fehlende Bilddaten;
  2. Pathologische N3-Krankheit.

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
Fläche unter der Betriebskennlinie des Empfängers
Zeitfenster: 2023.5.1-2023.10.31
Die Fläche unter der Receiver Operating Characteristic Curve (ROC) des Deep-Learning-Modells bei der Vorhersage der vollständigen pathologischen Reaktion (CPR). CPR wurde als kein Resttumor sowohl im resezierten Primärtumor als auch in den Lymphknoten definiert. Patienten mit nicht-kleinzelligem Lungenkrebs, die eine neoadjuvante Chemoimmuntherapie erhalten, erreichen entweder eine CPR oder keine CPR, was durch eine pathologische Untersuchung nach einer chirurgischen Resektion bestätigt werden kann. Und das Modell gibt den Vorhersagewert (CPR/Nicht-CPR) für jeden Patienten aus, der eine neoadjuvante Chemoimmuntherapie erhält.
2023.5.1-2023.10.31

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit
Zeitfenster: 2023.5.1-2023.10.31
Die Empfindlichkeit des Deep-Learning-Modells bei der Vorhersage einer vollständigen pathologischen Reaktion. CPR wurde als kein Resttumor sowohl im resezierten Primärtumor als auch in den Lymphknoten definiert. Patienten mit nicht-kleinzelligem Lungenkrebs, die eine neoadjuvante Chemoimmuntherapie erhalten, erreichen entweder eine CPR oder keine CPR, was durch eine pathologische Untersuchung nach einer chirurgischen Resektion bestätigt werden kann. Und das Modell gibt den Vorhersagewert (CPR/Nicht-CPR) für jeden Patienten aus, der eine neoadjuvante Chemoimmuntherapie erhält.
2023.5.1-2023.10.31

Andere Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Spezifität
Zeitfenster: 2023.5.1-2023.10.31
Die Spezifität des Deep-Learning-Modells bei der Vorhersage einer vollständigen pathologischen Reaktion. CPR wurde als kein Resttumor sowohl im resezierten Primärtumor als auch in den Lymphknoten definiert. Patienten mit nicht-kleinzelligem Lungenkrebs, die eine neoadjuvante Chemoimmuntherapie erhalten, erreichen entweder eine CPR oder keine CPR, was durch eine pathologische Untersuchung nach einer chirurgischen Resektion bestätigt werden kann. Und das Modell gibt den Vorhersagewert (CPR/Nicht-CPR) für jeden Patienten aus, der eine neoadjuvante Chemoimmuntherapie erhält.
2023.5.1-2023.10.31
Positiv vorhergesagter Wert
Zeitfenster: 2023.5.1-2023.10.31
Der positive Vorhersagewert des Deep-Learning-Modells bei der Vorhersage einer vollständigen pathologischen Reaktion. CPR wurde als kein Resttumor sowohl im resezierten Primärtumor als auch in den Lymphknoten definiert. Patienten mit nicht-kleinzelligem Lungenkrebs, die eine neoadjuvante Chemoimmuntherapie erhalten, erreichen entweder eine CPR oder keine CPR, was durch eine pathologische Untersuchung nach einer chirurgischen Resektion bestätigt werden kann. Und das Modell gibt den Vorhersagewert (CPR/Nicht-CPR) für jeden Patienten aus, der eine neoadjuvante Chemoimmuntherapie erhält.
2023.5.1-2023.10.31
Negativer Vorhersagewert
Zeitfenster: 2023.5.1-2023.10.31
Der negative Vorhersagewert des Deep-Learning-Modells bei der Vorhersage einer vollständigen pathologischen Reaktion. CPR wurde als kein Resttumor sowohl im resezierten Primärtumor als auch in den Lymphknoten definiert. Patienten mit nicht-kleinzelligem Lungenkrebs, die eine neoadjuvante Chemoimmuntherapie erhalten, erreichen entweder eine CPR oder keine CPR, was durch eine pathologische Untersuchung nach einer chirurgischen Resektion bestätigt werden kann. Und das Modell gibt den Vorhersagewert (CPR/Nicht-CPR) für jeden Patienten aus, der eine neoadjuvante Chemoimmuntherapie erhält.
2023.5.1-2023.10.31
Genauigkeit
Zeitfenster: 2023.5.1-2023.10.31
Die Genauigkeit des Deep-Learning-Modells bei der Vorhersage einer vollständigen pathologischen Reaktion. CPR wurde als kein Resttumor sowohl im resezierten Primärtumor als auch in den Lymphknoten definiert. Patienten mit nicht-kleinzelligem Lungenkrebs, die eine neoadjuvante Chemoimmuntherapie erhalten, erreichen entweder eine CPR oder keine CPR, was durch eine pathologische Untersuchung nach einer chirurgischen Resektion bestätigt werden kann. Und das Modell gibt den Vorhersagewert (CPR/Nicht-CPR) für jeden Patienten aus, der eine neoadjuvante Chemoimmuntherapie erhält.
2023.5.1-2023.10.31

Mitarbeiter und Ermittler

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

Sponsor

Shanghai Pulmonary Hospital, Shanghai, China

Mitarbeiter

Zunyi Medical College
Ningbo HwaMei Hospital, Zhejiang, China
The First Affiliated Hospital of Nanchang University, Jiangxi, China

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. Mai 2023

Primärer Abschluss (Geschätzt)

31. Oktober 2023

Studienabschluss (Geschätzt)

31. Oktober 2023

Studienanmeldedaten

Zuerst eingereicht

12. Mai 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

27. Juni 2023

Zuerst gepostet (Tatsächlich)

29. Juni 2023

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

29. Juni 2023

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

27. Juni 2023

Zuletzt verifiziert

1. Juni 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • DLCPR

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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 .

Klinische Studien zur Nicht-kleinzelligem Lungenkrebs

Klinische Studien zur CT/PET/WSI-basierte Deep-Learning-Signatur

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Poland

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren