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-Modell sagt pathologisches vollständiges Ansprechen von Lungenkrebs nach neoadjuvanter Immunchemotherapie voraus

11. März 2024 aktualisiert von: Wuhan Union Hospital, China

Ein Modell der künstlichen Intelligenz sagt die pathologische vollständige Reaktion von Lungenkrebs nach neoadjuvanter Immunchemotherapie voraus

In dieser Studie wird die Entwicklung und Validierung eines Vorhersagesystems mit künstlicher Intelligenz (KI) vorgestellt, das einfache Scans vor der neoadjuvanten Immuntherapie und verbesserte multimodale CT-Scans nutzt, um Deep-Learning-Funktionen zu extrahieren. Ziel ist es, das Auftreten eines pathologischen Komplettansprechens bei Patienten mit nicht-kleinzelligem Lungenkrebs vorherzusagen, die sich einer neoadjuvanten Immunchemotherapie unterziehen.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

In dieser Studie wurden retrospektiv nicht kontrastmittelverstärkte und kontrastmittelverstärkte CT-Scans von Patienten mit NSCLC durchgeführt, die sich nach einer neoadjuvanten Immunchemotherapie einer Operation unterzogen hatten. in mehreren Zentren zwischen August 2019 und Februar 2023. Deep-Learning-Funktionen wurden sowohl aus nicht vertragsgestützten als auch vertragsgestützten CT-Scans extrahiert, um die Vorhersagemodelle (LUNAI-nCT-Modell bzw. LUNAI-eCT-Modell) zu erstellen. Nach der Merkmalsfusion dieser beiden Arten von Merkmalen wurde ein fusioniertes Modell (LUNAI-fCT-Modell) erstellt. Die Leistung des Modells wurde anhand der Fläche unter der Receiver Operating Characteristic Curve (AUC), Genauigkeit, Sensitivität, Spezifität, positivem Vorhersagewert (PPV) und negativem Vorhersagewert (NPV) bewertet. Die SHapley Additive exPlanations (SHAP)-Analyse wurde verwendet, um den Einfluss von CT-Bildgebungsmerkmalen auf die Modellvorhersage zu quantifizieren. Um Einblicke in die Art und Weise zu erhalten, wie unser Modell Vorhersagen trifft, haben wir Gradient-Weighted Class Activation Mapping (Grad-CAM) eingesetzt, um Ausprägungs-Heatmaps zu erstellen.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

1000

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, bei denen ein nichtkleinzelliges Karzinom diagnostiziert wurde und die sich nach einer neoadjuvanten Chemoimmuntherapie einer Operation unterziehen

Beschreibung

Einschlusskriterien:

  1. Patienten mit nichtkleinzelligem Lungenkrebs, diagnostiziert durch Biopsie-Pathologie und klinisch als Stadium IB bis III klassifiziert;
  2. Patienten, die mindestens zwei Zyklen einer neoadjuvanten Immuntherapie in Kombination mit einer Chemotherapie-Induktionstherapie erhalten;
  3. Gemäß den IASLC-Richtlinien wurde eine postoperative pathologische Bewertung des Behandlungsansprechens der primären Tumorläsion und der Lymphknoten durchgeführt.

Ausschlusskriterien:

  1. Fehlende oder unzureichende Qualität der CT;
  2. Der Zeitabstand zwischen CT und Behandlungsbeginn beträgt mehr als 1 Monat;
  3. Unvollständige klinisch-pathologische Daten.

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
Trainingsdatensatz
Patienten, bei denen ein nichtkleinzelliges Karzinom diagnostiziert wurde und die sich nach einer neoadjuvanten Chemoimmuntherapie im Krankenhaus 1 (Tongji Medical College Affiliated Union Hospital) einer Operation unterziehen
Diagnosetest: Keine Eingriffe
Die Hochdurchsatzextraktion großer Mengen quantitativer Bildmerkmale aus medizinischen Bildern
Testdatensatz
Patienten, bei denen ein nichtkleinzelliges Karzinom diagnostiziert wurde und die sich nach einer neoadjuvanten Chemoimmuntherapie im Krankenhaus einer Operation unterziehen (Zhengzhou University First Affiliated Hospital, Yichang Central Hospital, Anyang Cancer Hospital)

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
die Genauigkeit, Sensitivität, Spezifität, der positive Vorhersagewert (PPV) und der negative Vorhersagewert (NPV) des Vorhersagemodells
Zeitfenster: Grundbehandlung
Es wurden mehrere Metriken berechnet, darunter Genauigkeit, Sensitivität, Spezifität, positiver Vorhersagewert (PPV) und negativer Vorhersagewert (NPV).
Grundbehandlung

Mitarbeiter und Ermittler

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

Sponsor

Wuhan Union Hospital, 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 (Geschätzt)

1. März 2024

Primärer Abschluss (Geschätzt)

1. Dezember 2025

Studienabschluss (Geschätzt)

1. März 2026

Studienanmeldedaten

Zuerst eingereicht

22. Februar 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. Februar 2024

Zuerst gepostet (Tatsächlich)

29. Februar 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

13. März 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

11. März 2024

Zuletzt verifiziert

1. Februar 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • LUNAI

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

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 Keine Eingriffe

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Algeria

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren