- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06168864
Entwicklung von Modellen der künstlichen Intelligenz zur Segmentierung und Charakterisierung von Prostatakrebs: eine monozentrische retrospektive Beobachtungsstudie.
Prostatakrebs ist die zweithäufigste Krebserkrankung der männlichen Bevölkerung. Diese Pathologie stellt insbesondere in Industrieländern ein onkologisches und öffentliches Gesundheitsproblem dar, da in der Bevölkerung häufiger ältere Männer vertreten sind.
Die medizinische Bildgebung spielt eine zentrale Rolle beim Staging und Restaging von Prostataerkrankungen. Magnetresonanztomographie (MRT), Computertomographie (CT) und Positronenemissionstomographie (PET) gehören zu den Methoden, die in der normalen klinischen Praxis häufig zur Charakterisierung von Prostatakrebs eingesetzt werden. Bisher ist die Untersuchung dieser Bilder auf eine qualitative visuelle Analyse beschränkt, es gibt jedoch zunehmend Hinweise darauf, dass die Einführung einer quantitativen (oder halbquantitativen) Analyse biomedizinischer Bilder sinnvoll ist.
Der aktuelle Anstieg der verfügbaren Bilddaten und deren Qualität ermöglicht den Einsatz von Methoden der Künstlichen Intelligenz auch im medizinischen Bereich zur Automatisierung von Aufgaben (z. B. automatische Segmentierung) und Klassifizierung (z.B. Tumoraggressivität).
Die Extraktion quantitativer Daten und allgemeiner die Untersuchung von Tumorläsionen erfordert eine manuelle Segmentierung durch einen oder mehrere Ärzte. Dieser Vorgang dauert sehr lange, da jedes Bild einzeln verarbeitet werden muss; Darüber hinaus hängt das Ergebnis auch von der Erfahrung des Arztes ab, der die Segmentierung durchführt, und dies könnte zu Heterogenität führen und die Reproduzierbarkeit der Segmentierung beeinträchtigen.
KI-basierte automatische Segmentierungsmethoden können auf medizinische Bilder zur Lokalisierung von Tumorläsionen angewendet werden und überschreiten damit die Grenzen der manuellen Segmentierung.
Studienübersicht
Status
Bedingungen
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Milano, Italien, 20132
- IRCCS San Raffaele
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten mit histologischer Diagnose von Prostatakrebs;
- Patienten, die eine PET-Untersuchung mit 68 Ga-PMSA durchgeführt haben.
Ausschlusskriterien:
- CT- und MR-Bilder mit Artefakten, die eine Interpretation der Ergebnisse verhindern.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Algorithmen der künstlichen Intelligenz zur Klassifizierung von Prostatakrebsläsionen auf medizinischen Bildern.
Zeitfenster: 2 Jahre
|
PET-Bilder von eingeschlossenen Patienten werden zur Erstellung von Modellen verwendet, die die Fähigkeit künstlicher Intelligenz untersuchen, Tumorsegmentierungsaufgaben zu automatisieren.
|
2 Jahre
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- AI_Pca
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
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 .