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

KI für Nierentumoren mittels nativer CT

13. Dezember 2025 aktualisiert von: Yajia Gu, MD, Fudan University

Ein künstliches Intelligenzmodell für das Screening und die Diagnose von Nierentumoren auf Basis von kontrastmittelfreier CT

Das Ziel dieser Beobachtungsstudie ist zu erfahren, ob die künstliche Intelligenz-Methode in der Lage ist, Nierenläsionen automatisch anhand von kontrastmittelfreien CT-Aufnahmen oder opportunistischem Screening zu identifizieren und zu diagnostizieren.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Detaillierte Beschreibung

Diese Studie etabliert zunächst ein KI-Modell, das in der Lage ist, Nierenläsionen auf der Grundlage einer multizentrischen retrospektiven Kohortenstudie effektiv zu erkennen und zu diagnostizieren. Anschließend wird das KI-Modell auf eine groß angelegte retrospektive und prospektive Population in der realen Welt angewendet, um seine Wirksamkeit zu validieren und zu verbessern.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

10000

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

Studienorte

  • China
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, China, 200032
        • Fudan University Shanghai Cancer Center
        • Kontakt:
        • Kontakt:

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

N/A

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Patienten, die sich einer abdominalen CT-Untersuchung unterzogen.

Beschreibung

Einschlusskriterien:

  1. Patienten, die eine abdominale CT-Untersuchung durchgeführt haben.
  2. Patienten mit Nierenläsionen wurden gemäß standardisierter klinischer Pfade behandelt, einschließlich Nachsorge, Biopsie oder Operation.
  3. Maligne Läsionen wurden pathologisch bestätigt; benigne Läsionen wurden entweder durch pathologische Diagnose oder bildgebende Verlaufskontrolle bestätigt.
  4. Für die Nierenerkrankung war zuvor keine Behandlung erfolgt.

Ausschlusskriterien:

  1. Patienten lehnen die empfohlene Nachsorge, Biopsie oder Operation ab, was eine definitive Diagnose der Nierenläsion verhindert.
  2. Fehlende vollständige pathologische Bestätigung für als maligne verdächtigte Läsionen.
  3. Patienten haben zuvor irgendeine Form der Behandlung für die Nierenläsion erhalten.
  4. Schlechte Bildqualität, die die diagnostische Beurteilung beeinträchtigt.

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
Aufbau eines intelligenten Diagnosesystems für Nierenerkrankungen auf Basis von CT-Scans.
Zeitfenster: 1 Jahr
Um ein intelligentes System für die Erkennung von Nierenmassenläsionen und deren Differenzierung in Zysten, gutartige und bösartige Neoplasmen zu entwickeln.
1 Jahr

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Weiterentwicklung eines künstlichen Intelligenzmodells zur effektiven Diagnose pathologischer Typen häufiger Nierentumoren.
Zeitfenster: 1 Jahr
1 Jahr

Mitarbeiter und Ermittler

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

Sponsor

Fudan University

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. Januar 2026

Primärer Abschluss (Geschätzt)

1. Dezember 2028

Studienabschluss (Geschätzt)

1. Dezember 2028

Studienanmeldedaten

Zuerst eingereicht

13. Dezember 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

13. Dezember 2025

Zuerst gepostet (Tatsächlich)

26. Dezember 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

26. Dezember 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

13. Dezember 2025

Zuletzt verifiziert

1. Oktober 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 2509-Exp275

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 Nierentumoren

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Liberia

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren