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

Modelle der künstlichen Intelligenz zur präzisen Vorhersage und Behandlung von Prostatakrebs

27. Oktober 2024 aktualisiert von: Shao Pengfei

Genaue Vorhersage und Behandlung von Prostatakrebs durch modellbasierte Vollbildbilder und MRTs mit künstlicher Intelligenz

Das Ziel dieser klinischen Studie besteht darin, ob Modelle der künstlichen Intelligenz für eine genaue klinische präoperative und postoperative Diagnose pathologischer Befunde verwendet werden können. Außerdem wird die Genauigkeit der von den Modellen der künstlichen Intelligenz getroffenen Vorhersagen gemessen. Die wichtigsten Zielfragen, die das Modell behandelt Gebäude sind:

  1. ob das KI-Modell aus präoperativer MRT und postoperativen Vollbildbildern lernen kann, um Informationen wie Gutartigkeit oder Bösartigkeit, Aggressivität, Einstufung, Subtypen, Gene usw. für Teilnehmer, bei denen präoperativ/punktuell der Verdacht auf Prostatakrebs besteht, genau vorherzusagen.
  2. ob das KI-Modell in der Lage ist, postoperative Makropathologie-Objektträger zu lernen, um die Ergebnisdiagnose von chirurgischen Pathologie-Objektträgern bei neuen Teilnehmern zu ermöglichen.

Die Teilnehmer werden:

  1. Führen Sie eine MRT-Untersuchung durch und lassen Sie Ihre MRT-Bilder vom etablierten KI-Modell analysieren, um eine genaue Diagnose zu stellen.
  2. Wenn aufgrund der Diagnose Prostatakrebs vorhergesagt wird, werden sie sich einer radikalen Prostatakrebsoperation unterziehen und ihre chirurgische Pathologie verfeinern.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Basierend auf der Technologie der künstlichen Intelligenz wird das Vorhersagemodell erstellt, indem die quantitative Kartierungskorrelation zwischen annotierten Prostatakrebs-Ganzdiabildern und MRT skizziert und die gemeinsamen Merkmale verdeutlicht werden. Erstens kann das Modell die radikale Pathologie von Prostatakrebs genau diagnostizieren und von der Immunhistochemie ausgenommen werden, um detaillierte pathologische Informationen zu erhalten. Zweitens kann das etablierte KI-Vorhersagemodell gutartig/bösartig, Invasivität, Grad und Subtyp von Prostatakrebs genau diagnostizieren, indem es die MRT-Bilder des Teilnehmers vor der Operation oder Punktion vorhersagt, sodass vor der Operation oder Punktion ein personalisierter Behandlungsplan für den Patienten formuliert werden kann . Basierend auf der KI-Technologie lernt das Modell schließlich aus den MRT-Bildern und führt vor der Operation/Punktion eine 3D-Rekonstruktion der Prostata und der Läsionen durch, um so die genaue Lage der Läsionen zu klären und die Punktion oder chirurgische Behandlung zu steuern.

Studientyp

Interventionell

Einschreibung (Geschätzt)

200

Phase

  • Unzutreffend

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

  • Name: Pan Zang, Postgraduate
  • Telefonnummer: 18914730216
  • E-Mail: 896381164@qq.com

Studienorte

  • China
    • Jiangsu
      • Nanjing, Jiangsu, China, 210036
        • The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)

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

Ja

Beschreibung

Einschlusskriterien:

  • Patienten mit Verdacht auf PCa (erhöhter PSA-Wert oder verdächtige positive Läsionen bei Ultraschall- oder MRT-Ergebnissen);

Ausschlusskriterien:

  • Vorherige Behandlung der Prostata in jeglicher Form, einschließlich Operation, Strahlentherapie/Chemotherapie, endokrine Therapie, gezielte Therapie und Immuntherapie;
  • Patienten, bei denen ein Element in den klinischen und pathologischen Basisinformationen fehlt;
  • Patienten mit anderen bösartigen Erkrankungen, schwerwiegenden Begleiterkrankungen oder anderen Gesundheitsproblemen in der Vorgeschichte;
  • Es ist nicht möglich, eine Einverständniserklärung vorzulegen/zu unterzeichnen.
  • Patienten, die nach Einschätzung des Prüfarztes für die Teilnahme an dieser klinischen Studie als ungeeignet gelten;

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Verdreifachen

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: Experimentelle Gruppe
Diese Patientengruppe erhält Vorhersagen, die durch Modelle der künstlichen Intelligenz unterstützt werden.
Diagnosetest: Präzise Vorhersagemodelle für künstliche Intelligenz
Diagnosetest: Genaue Vorhersage von Modellen der künstlichen Intelligenz. Postoperative Pathologie, präzise präoperative Diagnose (einschließlich gutartiger und bösartiger, invasiver, Grading, Subtypen) oder 3D-Läsionsmodellierung werden basierend auf dem KI-Vorhersagemodell als Reaktion auf die bereitgestellten Informationen vorhergesagt
Kein Eingriff: Kontrollgruppe
Diese Patientengruppe erhält keine Vorhersagen, die auf Modellen der künstlichen Intelligenz basieren.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Vorhersage der postradikalen Prostatakrebspathologie nach radikaler Prostatektomie unter Verwendung des umfassenden Bewertungsmodells „AUC“.
Zeitfenster: Von der Patientenrekrutierung bis zur ersten postoperativen Operation vergehen in der Regel 30–90 Tage.
„AUC“ bezieht sich auf die Fläche unter der ROC-Kurve (Receiver Operating Characteristic), die die Leistung des Modells bei der Vorhersage immunhistochemischer pathologischer Informationen zu Prostatakrebs nach einer Operation angibt. Die AUC liegt zwischen 0 und 1, wobei der größere Wert gilt was auf den besseren Vorhersageeffekt hinweist.
Von der Patientenrekrutierung bis zur ersten postoperativen Operation vergehen in der Regel 30–90 Tage.
Vorhersage der Leistung postradikaler Pathologie durch das umfassende Bewertungsmodell „AUC“.
Zeitfenster: Von der Patientenrekrutierung bis zur ersten postoperativen Operation vergehen in der Regel 30–90 Tage.
„AUC“ bezieht sich auf die Fläche unter der ROC-Kurve (Receiver Operating Characteristic), die das Leistungsniveau des Modells bei der Vorhersage von Prostatakrebs in der präoperativen Phase angibt. Die AUC liegt zwischen 0 und 1, wobei größere Werte auf bessere Vorhersageergebnisse hinweisen.
Von der Patientenrekrutierung bis zur ersten postoperativen Operation vergehen in der Regel 30–90 Tage.
„F1-Score“ zur Beurteilung der Leistung der präoperativen 3D-Modellierung
Zeitfenster: Von der Einschreibung des Probanden bis zur ersten Genesung nach der Operation/Punktion vergehen in der Regel 30–90 Tage.
Ein abgeglichener Durchschnitt der Präzision und Erinnerung der präoperativen 3D-Modellierung, bewertet durch den „F1-Score“, der die Übereinstimmung mit der realen Situation darstellt.
Von der Einschreibung des Probanden bis zur ersten Genesung nach der Operation/Punktion vergehen in der Regel 30–90 Tage.

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Bewerten Sie die Höhe des Kostenunterschieds zwischen dem Vorhersagemodell und dem klinischen Ansatz anhand „wirtschaftlicher Kosteneinsparungen“.
Zeitfenster: Von der Einschreibung des Probanden bis zur ersten Genesung nach der Operation/Punktion vergehen in der Regel 30–90 Tage.
Vergleichen Sie die Differenz der Kosten, die mithilfe eines Vorhersagemodells anfallen, mit den Kosten, die mithilfe eines klinischen Ansatzes vorhergesagt werden. Die Differenz wird in Yuan angegeben.
Von der Einschreibung des Probanden bis zur ersten Genesung nach der Operation/Punktion vergehen in der Regel 30–90 Tage.
„Diagnosezeit“ bewertet die Zeit, die benötigt wird, um eine immunhistochemische Pathologie in der postoperativen Phase vorherzusagen.
Zeitfenster: Von der Einschreibung des Probanden bis zur ersten Genesung nach der Operation/Punktion vergehen in der Regel 30–90 Tage.
Die Zeit, die postoperativ für die Vorhersage oder Unterstützung des Pathologen bei der Beschaffung immunhistochemischer pathologischer Informationen aufgewendet wird, wird anhand der „Diagnosezeit“ bewertet und in Minuten gemessen.
Von der Einschreibung des Probanden bis zur ersten Genesung nach der Operation/Punktion vergehen in der Regel 30–90 Tage.

Mitarbeiter und Ermittler

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

Sponsor

Shao Pengfei

Mitarbeiter

Institute of Automation, Chinese Academy of Sciences

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. Dezember 2024

Primärer Abschluss (Geschätzt)

1. Januar 2030

Studienabschluss (Geschätzt)

31. Dezember 2030

Studienanmeldedaten

Zuerst eingereicht

13. August 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

27. Oktober 2024

Zuerst gepostet (Tatsächlich)

29. Oktober 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

29. Oktober 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

27. Oktober 2024

Zuletzt verifiziert

1. Oktober 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • Shao Pengfei

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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 .

Abonnieren