Multimodales Modell sagt Wiederholung voraus (FUTURE12)
13. November 2024 aktualisiert von: Qun Zhao
Multimodales, durch klinische Bildgebung und Pathologie gesteuertes Modell der künstlichen Intelligenz zur Vorhersage des postoperativen Wiederauftretens von lokal fortgeschrittenem Magenkrebs
Diese Studie konzentriert sich auf die Entwicklung eines fortschrittlichen Modells, das klinische Informationen, Bildgebungs- und Pathologiedaten kombiniert, um die Wahrscheinlichkeit eines erneuten Auftretens von Krebs nach einer Operation bei Patienten mit lokal fortgeschrittenem Magenkrebs vorherzusagen.
Durch den Einsatz künstlicher Intelligenz (KI) analysiert dieses Modell verschiedene Datenquellen, um eine genauere Vorhersage des Rückfallrisikos zu erstellen, die Ärzten, Patienten und Familien dabei helfen kann, die Wahrscheinlichkeit eines Rückfalls besser zu verstehen.
Dieser KI-gesteuerte Ansatz ermöglicht es Gesundheitsdienstleistern, fundiertere Entscheidungen über personalisierte Nachsorge und mögliche zusätzliche Behandlungen zu treffen, um die Patientenergebnisse zu verbessern.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
93
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Hebei
-
Shijiazhuang, Hebei, China, 050011
- The Fourth Hospital of Hebei Medical University
-
-
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
Die Studienpopulation umfasst erwachsene Patienten (ab 18 Jahren), bei denen lokal fortgeschrittener Magenkrebs (Stadium II oder III) diagnostiziert wurde und die sich einer chirurgischen Resektion unterzogen haben.
Diese Population wird auf der Grundlage der Verfügbarkeit vollständiger klinischer, bildgebender und pathologischer Daten ausgewählt, die für die Analyse durch das multimodale KI-gesteuerte Vorhersagemodell erforderlich sind.
Die Studie konzentriert sich auf die Bewertung des postoperativen Rezidivrisikos in dieser speziellen Gruppe, um die personalisierte Nachsorge und Behandlungsplanung zu verbessern.
Beschreibung
**Einschlusskriterien:**
- Patienten mit diagnostiziertem lokal fortgeschrittenem Magenkrebs (Stadium II oder III).
- Patienten, die sich einer chirurgischen Resektion wegen Magenkrebs unterzogen haben.
- Patienten mit vollständigen klinischen, bildgebenden und pathologischen Daten zur Analyse.
- Alter 18 Jahre oder älter.
- Patienten, die ihre Einwilligung zur Teilnahme an der Studie geben.
**Ausschlusskriterien:**
- Patienten mit Fernmetastasen (Stadium IV) zum Zeitpunkt der Diagnose.
- Patienten mit unvollständigen oder fehlenden klinischen, bildgebenden oder pathologischen Daten.
- Patienten, die zuvor eine andere Magenkrebsbehandlung als eine chirurgische Resektion erhalten haben.
- Patienten mit anderen gleichzeitigen bösartigen Erkrankungen.
- Patienten, die nicht in der Lage oder nicht willens sind, die Anforderungen an die Nachbeobachtung der Studie zu erfüllen.
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 |
|---|---|---|
|
Vorhersagegenauigkeit des postoperativen Rezidivs bei lokal fortgeschrittenem Magenkrebs
Zeitfenster: 24 Monate postoperative Nachuntersuchung
|
Das primäre Ergebnismaß ist die Genauigkeit des multimodalen KI-Modells bei der Vorhersage des Risikos eines postoperativen Rezidivs bei Patienten mit lokal fortgeschrittenem Magenkrebs.
Dies wird beurteilt, indem die Vorhersagen des Modells mit tatsächlichen Wiederholungsereignissen über einen bestimmten Nachbeobachtungszeitraum verglichen werden. Dies ermöglicht die Bewertung seiner Wirksamkeit bei der Identifizierung von Hochrisikopatienten und der Führung klinischer Entscheidungen.
|
24 Monate postoperative Nachuntersuchung
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
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. Januar 2022
Primärer Abschluss (Tatsächlich)
31. Oktober 2024
Studienabschluss (Tatsächlich)
31. Oktober 2024
Studienanmeldedaten
Zuerst eingereicht
13. November 2024
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
13. November 2024
Zuerst gepostet (Tatsächlich)
15. November 2024
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
15. November 2024
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
13. November 2024
Zuletzt verifiziert
1. November 2024
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- FUTURE12
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 .