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

Ganzes Folienbild zur Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom

17. Oktober 2024 aktualisiert von: Chang Chen, Shanghai Pulmonary Hospital, Shanghai, China

Deep-Learning-Signatur basierend auf Bildern ganzer Objektträger zur Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom

Der Zweck dieser Studie besteht darin, die Leistung einer auf Ganzdiabildern basierenden Deep-Learning-Signatur zur Vorhersage des neuartigen Bewertungssystems bei reseziertem Lungenadenokarzinom basierend auf einer multizentrischen prospektiven Kohorte zu bewerten.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

200

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

Reseziertes Lungenadenokarzinom

Beschreibung

Einschlusskriterien:

  1. Pathologische Bestätigung eines primären Lungenadenokarzinoms;
  2. Alter zwischen 20 und 75 Jahren;
  3. Einholung einer schriftlichen Einverständniserklärung.

Ausschlusskriterien:

  1. Mehrere Lungenläsionen;
  2. Schlechte Qualität der gesamten Diabilder;
  3. Teilnehmer mit unvollständigen klinischen Informationen;
  4. Muzinöse Adenokarzinome und Varianten;
  5. Teilnehmer, die eine neoadjuvante Therapie erhalten haben.

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
Übereinstimmungsgrad des IASLC-Bewertungssystems
Zeitfenster: 2024.11.01-2024.12.31
Übereinstimmungsrate zwischen dem Deep-Learning-Modell und Pathologen bei der Diagnose des IASLC-Grades eines Lungenadenokarzinoms.
2024.11.01-2024.12.31

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Übereinstimmungsrate der vorherrschenden Subtypen
Zeitfenster: 2024.11.01-2024.12.31
Übereinstimmungsrate zwischen dem Deep-Learning-Modell und Pathologen bei der Diagnose der vorherrschenden Wachstumsmuster des Lungenadenokarzinoms.
2024.11.01-2024.12.31

Andere Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Spezifität
Zeitfenster: 2023.5.1-2023.10.31
Die Spezifität des Deep-Learning-Modells basierend auf Bildern ganzer Folien bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom. Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III. Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
2023.5.1-2023.10.31
Positiv vorhergesagter Wert
Zeitfenster: 2023.5.1-2023.10.31
Der positive Vorhersagewert des Deep-Learning-Modells basierend auf dem Bild des gesamten Objektträgers bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom. Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III. Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
2023.5.1-2023.10.31
Negativer Vorhersagewert
Zeitfenster: 2023.5.1-2023.10.31
Der negative Vorhersagewert des Deep-Learning-Modells basierend auf dem gesamten Folienbild bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom. Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III. Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
2023.5.1-2023.10.31
Genauigkeit
Zeitfenster: 2023.5.1-2023.10.31
Die Genauigkeit des Deep-Learning-Modells basiert auf dem Bild des gesamten Objektträgers bei der Vorhersage des neuartigen Bewertungssystems für reseziertes Lungenadenokarzinom. Das neuartige Einstufungssystem für Lungenadenokarzinome umfasst Grad I, Grad II und Grad III. Und das Modell gibt die Vorhersagewerte (Grad I/Grad II/Grad III) des Grades für jeden Patienten mit reseziertem Lungenadenokarzinom aus.
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)

15. Oktober 2024

Primärer Abschluss (Geschätzt)

31. Dezember 2024

Studienabschluss (Geschätzt)

31. Dezember 2024

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)

21. Oktober 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

17. Oktober 2024

Zuletzt verifiziert

1. Oktober 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • WSIGS

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 Lungen-Adenokarzinom

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Lithuania

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren