Entwicklung und Validierung eines tiefen Lernmodells zur Vorhersage von entfernten Metastasen im nasopharyngealen Karzinom unter Verwendung der gesamten Folienbildgebung und der MRT
21. Februar 2025 aktualisiert von: Pu-Yun OuYang, Sun Yat-sen University
Entwicklung und multizentrische Validierung eines Deep -Lern -Modells, das auf der Bildgebung der gesamten Folie und der Magnetresonanztomographie des Nasopharynx- und Lymphknotens basiert, um entfernte Metastasen bei der Diagnose beim Nasopharyngealkarzinom vorherzusagen
Ein KI -Modell wurde entwickelt, um die Wahrscheinlichkeit einer entfernten Metastasierung bei Patienten mit Nasopharyngealkrebs auf der Grundlage von Pathologie -Objektträgern und MRT -Scans des Primärtumors vorherzusagen.
Das Modell wurde unter Verwendung von Daten aus mehreren Zentren validiert.
Es wurde dann auf Patienten mit fortgeschrittenen Stadien angewendet, denen empfohlen wurde, PET/CT -Scans aufgrund der NCCN- oder CSCO -Richtlinien zu unterziehen.
Dieses KI -Modell kann Patienten mit hohem Risiko für eine entfernte Metastasierung zum Zeitpunkt der Erstdiagnose, PET/CT zu erhalten, genau untersuchen, eine übermäßige Untersuchung von Patienten mit geringem Risiko einer entfernten Metastasierung vermeiden, medizinische Ressourcen retten und die wirtschaftliche Belastung der Patienten verringern.
Studienübersicht
Status
Rekrutierung
Bedingungen
Detaillierte Beschreibung
Ein KI-Modell wurde basierend auf hE-gefärbten pathologischen Abschnitten der primären Läsion und MRT des Nasopharynx und des Nackens konstruiert, um die Wahrscheinlichkeit einer entfernten Metastasierung beim ersten Besuch vorherzusagen, und das KI-Modell wurde vollständig durch multizentrische Daten verifiziert. Das KI-Modell wurde auf T3-4- oder N2-3-Patienten angewendet, bei denen empfohlen wurde 95% wurden bestimmt und lieferten theoretische Unterstützung für Patienten, die von AI vorhergesagt wurden, um von der PET/CT -Untersuchung befreit zu werden.
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
500
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienkontakt
- Name: Pu-Yun OuYang
- Telefonnummer: +8618565382769
- E-Mail: ouyangpy@sysucc.org.cn
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510060
- Rekrutierung
- Sun Yat-sen University Cancer Center
-
Kontakt:
- Pu-Yun OuYang
- Telefonnummer: +86 18565382769
- E-Mail: ouyangpy@sysucc.org.cn
-
Kontakt:
- Pu-Yun OuYang
- E-Mail: ouyangpy@sysucc.org.cn
-
Guangzhou, Guangdong, China, 510060
- Noch keine Rekrutierung
- Department of Radiation Oncology, Sun Yat-sen University Cancer Center
-
Kontakt:
- Pu-Yun OuYang
- Telefonnummer: 86+020-87342925
- E-Mail: ouyangpy@sysucc.org.cn
-
Kontakt:
- Pu-Yun OuYang
-
-
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
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Patienten mit pathologisch bestätigten Nasopharyngealkarzinom
Beschreibung
Einschlusskriterien:
A. Die primäre Läsion wurde pathologisch als nasopharyngeales Karzinom bestätigt (die Klassifizierung ist I, II und III); B. Das Stadium war T3-4 oder N2-3, und der Nasopharynx + Hals-MRT-einfache Scan und der verstärkte Scan wurden durchgeführt Scan, CT oder MRT -SCAN -Abdominal- oder MRT -Scan + verstärkter Scan- oder Bauchfarbe -Doppler -Ultraschall oder Ultraschallangiographie sowie Ganzkörperknochen Bildgebung) wurde durchgeführt, um entfernte Metastasen zu schirmen.
Ausschlusskriterien:
Vorgeschichte anderer maligner Tumoren (wie anderer Kopf- und Hals -Plattenepithelkarzinome, Schilddrüsenkrebs, Brustkrebs, Speiseröhrenkrebs usw.).
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 |
|---|
|
Prospektive Validierungskohorte
Prospektive Patienteneinschreibung zur Validierung der diagnostischen Wirksamkeit des KI -Modells
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Negativer Vorhersagewert
Zeitfenster: Durch die Fertigstellung der Studie durchschnittlich 2 Jahre
|
NPV misst den Anteil der vorhergesagten negativen Fälle, die tatsächlich negativ sind.
Es zeigt uns, wie zuverlässig das Modell ist, wenn es ein negatives Ergebnis vorhersagt.
|
Durch die Fertigstellung der Studie durchschnittlich 2 Jahre
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Sensitivität, Spezifität und positiver Vorhersagewert
Zeitfenster: Durch die Fertigstellung der Studie durchschnittlich 2 Jahre
|
Sensitivität, Spezifität und positiver Vorhersagewert von AI bei der Vorhersage der entfernten Metastasierung am Schwellenwert, der einem negativen Vorhersagewert von 95%entspricht.
|
Durch die Fertigstellung der Studie durchschnittlich 2 Jahre
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- OuYang PY, He Y, Guo JG, Liu JN, Wang ZL, Li A, Li J, Yang SS, Zhang X, Fan W, Wu YS, Liu ZQ, Zhang BY, Zhao YN, Gao MY, Zhang WJ, Xie CM, Xie FY. Artificial intelligence aided precise detection of local recurrence on MRI for nasopharyngeal carcinoma: a multicenter cohort study. EClinicalMedicine. 2023 Aug 30;63:102202. doi: 10.1016/j.eclinm.2023.102202. eCollection 2023 Sep.
- Zhong L, Dong D, Fang X, Zhang F, Zhang N, Zhang L, Fang M, Jiang W, Liang S, Li C, Liu Y, Zhao X, Cao R, Shan H, Hu Z, Ma J, Tang L, Tian J. A deep learning-based radiomic nomogram for prognosis and treatment decision in advanced nasopharyngeal carcinoma: A multicentre study. EBioMedicine. 2021 Aug;70:103522. doi: 10.1016/j.ebiom.2021.103522. Epub 2021 Aug 11.
- Qiang M, Li C, Sun Y, Sun Y, Ke L, Xie C, Zhang T, Zou Y, Qiu W, Gao M, Li Y, Li X, Zhan Z, Liu K, Chen X, Liang C, Chen Q, Mai H, Xie G, Guo X, Lv X. A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma. J Natl Cancer Inst. 2021 May 4;113(5):606-615. doi: 10.1093/jnci/djaa149.
- Lin L, Dou Q, Jin YM, Zhou GQ, Tang YQ, Chen WL, Su BA, Liu F, Tao CJ, Jiang N, Li JY, Tang LL, Xie CM, Huang SM, Ma J, Heng PA, Wee JTS, Chua MLK, Chen H, Sun Y. Deep Learning for Automated Contouring of Primary Tumor Volumes by MRI for Nasopharyngeal Carcinoma. Radiology. 2019 Jun;291(3):677-686. doi: 10.1148/radiol.2019182012. Epub 2019 Mar 26.
- OuYang PY, Zhang BY, Guo JG, Liu JN, Li J, Peng QH, Yang SS, He Y, Liu ZQ, Zhao YN, Li A, Wu YS, Hu XF, Chen C, Han F, You KY, Xie FY. Deep learning-based precise prediction and early detection of radiation-induced temporal lobe injury for nasopharyngeal carcinoma. EClinicalMedicine. 2023 Apr 4;58:101930. doi: 10.1016/j.eclinm.2023.101930. eCollection 2023 Apr.
- Sun XS, Liu SL, Luo MJ, Li XY, Chen QY, Guo SS, Wen YF, Liu LT, Xie HJ, Tang QN, Liang YJ, Yan JJ, Lin DF, Bi MM, Liu Y, Liang YF, Ma J, Tang LQ, Mai HQ. The Association Between the Development of Radiation Therapy, Image Technology, and Chemotherapy, and the Survival of Patients With Nasopharyngeal Carcinoma: A Cohort Study From 1990 to 2012. Int J Radiat Oncol Biol Phys. 2019 Nov 1;105(3):581-590. doi: 10.1016/j.ijrobp.2019.06.2549. Epub 2019 Jul 15.
- Tang LQ, Chen QY, Fan W, Liu H, Zhang L, Guo L, Luo DH, Huang PY, Zhang X, Lin XP, Mo YX, Liu LZ, Mo HY, Li J, Zou RH, Cao Y, Xiang YQ, Qiu F, Sun R, Chen MY, Hua YJ, Lv X, Wang L, Zhao C, Guo X, Cao KJ, Qian CN, Zeng MS, Mai HQ. Prospective study of tailoring whole-body dual-modality [18F]fluorodeoxyglucose positron emission tomography/computed tomography with plasma Epstein-Barr virus DNA for detecting distant metastasis in endemic nasopharyngeal carcinoma at initial staging. J Clin Oncol. 2013 Aug 10;31(23):2861-9. doi: 10.1200/JCO.2012.46.0816. Epub 2013 Jul 15. Erratum In: J Clin Oncol. 2016 Feb 10;34(5):519. doi: 10.1200/jco.2015.66.3427.
- Xiao BB, Lin DF, Sun XS, Zhang X, Guo SS, Liu LT, Luo DH, Sun R, Wen YF, Li JB, Lv XF, Han LJ, Yuan L, Liu SL, Tang QN, Liang YJ, Li XY, Guo L, Chen QY, Fan W, Mai HQ, Tang LQ. Nomogram for the prediction of primary distant metastasis of nasopharyngeal carcinoma to guide individualized application of FDG PET/CT. Eur J Nucl Med Mol Imaging. 2021 Jul;48(8):2586-2598. doi: 10.1007/s00259-020-05128-8. Epub 2021 Jan 8.
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)
15. Februar 2025
Primärer Abschluss (Geschätzt)
31. Dezember 2026
Studienabschluss (Geschätzt)
31. Dezember 2026
Studienanmeldedaten
Zuerst eingereicht
14. Februar 2025
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
14. Februar 2025
Zuerst gepostet (Tatsächlich)
25. März 2025
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
25. März 2025
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
21. Februar 2025
Zuletzt verifiziert
1. Februar 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
- Stomatognathe Erkrankungen
- Pathologische Prozesse
- Neubildungen nach Standort
- Neubildungen
- Neubildungen nach histologischem Typ
- Kopf-Hals-Neubildungen
- Neubildungen, Drüsen und Epithelien
- Neoplastische Prozesse
- Karzinom
- Otorhinolaryngologische Erkrankungen
- Rachenneoplasmen
- Otorhinolaryngologische Neubildungen
- Nasopharyngeale Erkrankungen
- Rachenkrankheiten
- Nasopharyngeale Neoplasmen
- Nasopharynxkarzinom
- Neoplasma Metastasierung
Andere Studien-ID-Nummern
- B2025-062-01
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Beschreibung des IPD-Plans
Einzelne Teilnehmerdaten (IPD) werden aufgrund von Bedenken hinsichtlich der Privatsphäre von Patienten, ethischen Überlegungen oder institutionellen Richtlinien möglicherweise nicht geteilt.
Einschränkungen können auch aus Datenschutzbestimmungen, Vertraulichkeitsvereinbarungen oder dem potenziellen Risiko einer Neuidentifizierung erfolgen.
Wenn die Daten sensible medizinische Informationen enthalten, kann das Teilen von speziellen Genehmigungen oder Ent-Identifizierungsprozessen erforderlich sein, die nicht machbar sind.
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 .