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

Aufbau eines klinisch-bildgebenden kollaborativen Diagnosemodells für Dermatomyositis in Kombination mit interstitieller Lungenerkrankung basierend auf PET/CT-Bildgebungsmerkmalen und klinischen Parametern

11. April 2026 aktualisiert von: Hu Jiajia, Ruijin Hospital

Konstruktion eines klinisch-bildgebenden kollaborativen Diagnosemodells für Dermatomyositis kombiniert mit interstitieller Lungenerkrankung basierend auf PET/CT-Bildgebungsmerkmalen und klinischen Parametern

Die Untersucher untersuchten die Zusammenhänge zwischen den Bildgebungsparametern von ⁶⁸Ga-FAPI und ¹⁸F-FDG Dual-Tracer-PET/CT und begleitender interstitieller Lungenerkrankung (ILD) bei Patienten mit Dermatomyositis (DM), entwickelten ein neuartiges Diagnosemodell zur Vorhersage von DM mit komplizierter ILD und führten eine externe Validierung dieses Modells durch. Gleichzeitig verglichen die Untersucher die Vorhersageleistung des reinen Bildgebungsmodells mit der des klassischen klinischen Modells und des klinisch-radiologischen Kollaborationsmodells.

Studienübersicht

Status

Aktiv, nicht rekrutierend

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Für die Merkmale, die im endgültigen optimalen Modell enthalten waren, wurden zwischen den Gruppen Vergleiche kontinuierlicher Variablen (interstitielle Lungenerkrankungsgruppe vs. nicht-interstitielle Lungenerkrankungsgruppe) mit dem Wilcoxon-Rangsummentest durchgeführt. Für kategoriale Variablen wurde je nach Situation der Chi-Quadrat-Test oder der exakte Test nach Fisher angewendet. Beim Vergleich der Modelleffizienz wurde der DeLong-Test verwendet, um die statistischen Unterschiede in den AUC-Werten zwischen jedem maschinellen Lernklassifikator und dem Referenzmodell zu bewerten. Alle statistischen Analysen wurden mit der R-Software (Version 4.4.1) durchgeführt. Die entsprechenden angewandten R-Pakete umfassten pROC für die ROC-Analyse, caret für das Modelltraining und SHAP für die Interpretationsanalyse des XGBoost-Modells. Ein zweiseitiger p-Wert < 0,05 wurde als Schwellenwert für die statistische Signifikanz für alle Analysen definiert.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

200

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • China
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, China
        • Department of Nuclear Medicine & Institute for medical imaging technology, Ruijin Hospital Affiliated to Shanghai Jiao Tong University School of Medicine,

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

Von Juni 2023 bis Juli 2025 wurden zunächst 154 aufeinanderfolgende Patienten mit der Diagnose Dermatomyositis (DM) berücksichtigt, die sich einer 68Ga-FAPI-04 PET/CT-Bildgebung unterzogen. Die Diagnose von DM wurde auf der Grundlage der Bohan- und Peter-Kriterien für klassische DM [24] oder der Sontheimer-Kriterien für klinisch amyopathische Dermatomyositis (CADM) [25] gestellt. Die Diagnose einer interstitiellen Lungenerkrankung (ILD) wurde von einem multidisziplinären Team auf der Grundlage einer Kombination aus klinischen Symptomen (Husten, Dyspnoe), körperlichen Befunden (inspiratorische Rasselgeräusche), hochauflösenden Computertomographie (HRCT)-Nachweisen interstitieller Veränderungen und Lungenfunktionstests, die restriktive Ventilationsdefekte zeigten, bestätigt.

Beschreibung

Einschlusskriterien:

  1. Die Diagnose Dermatomyositis (DM) wurde gemäß den Bohan-und-Peter-Kriterien gestellt
  2. Die Diagnose klinisch amyopathische Dermatomyositis (CADM) wurde basierend auf den Sontheimer-Kriterien etabliert
  3. Die Diagnose interstitielle Lungenerkrankung (ILD) wurde gemäß den Kriterien der American Thoracic Society (ATS) bestätigt
  4. ⁶⁸Ga-FAPI- und ¹⁸F-FDG-PET/CT-Scans wurden in der Abteilung für Nuklearmedizin durchgeführt.

Ausschlusskriterien: Patienten mit anderen Bindegewebserkrankungen.

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
ILD
Die Diagnose einer ILD wurde gemäß den Kriterien der American Thoracic Society (ATS) bestätigt.
Sonstiges: Beobachten Sie die medizinischen Bilder
Beobachten Sie die medizinischen Bilder über einen Arbeitsplatz oder eine lokale Bildanalysesoftware
Sonstiges: Extrahieren von Bildmerkmalen
Extrahieren von Bildmerkmalen über Radiomik oder maschinelle Lernmethoden
nicht-ILD
Patienten in der Nicht-ILD-Gruppe wiesen gemäß den ATS-Kriterien keine Anzeichen von ILD auf.
Sonstiges: Beobachten Sie die medizinischen Bilder
Beobachten Sie die medizinischen Bilder über einen Arbeitsplatz oder eine lokale Bildanalysesoftware
Sonstiges: Extrahieren von Bildmerkmalen
Extrahieren von Bildmerkmalen über Radiomik oder maschinelle Lernmethoden

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Bildgebende Merkmale des 68Ga-FAPI-PET-Bildes
Zeitfenster: Ausgangswert
konventionelle PET-Parameter (SUVmax, SUVmin) und PET-Texturmerkmalsparameter (Radiomics)
Ausgangswert

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Leistung von Machine Learning und Referenzmodellen
Zeitfenster: Ausgangswert
ROC-Kurve (Receiver Operating Characteristic-Kurve), DCA-Kurve (Decision Curve Analysis-Kurve)
Ausgangswert

Andere Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
SHAP-Analyse des optimalen Modells
Zeitfenster: Ausgangswert
Ausgangswert
Zwischengruppenunterschiede
Zeitfenster: Ausgangswert
DM-ILD- und DM-non-ILD-Gruppenvergleich wichtiger Parameter in den Modellen
Ausgangswert
Korrelationsanalyse
Zeitfenster: Ausgangswert
Korrelationsanalyse der verschiedenen Parameter im Modell.
Ausgangswert

Mitarbeiter und Ermittler

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

Sponsor

Ruijin Hospital

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)

13. Januar 2026

Primärer Abschluss (Geschätzt)

1. Januar 2027

Studienabschluss (Geschätzt)

1. Januar 2027

Studienanmeldedaten

Zuerst eingereicht

27. März 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

11. April 2026

Zuerst gepostet (Tatsächlich)

15. April 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

15. April 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

11. April 2026

Zuletzt verifiziert

1. Januar 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • RuijinH 2026-47

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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 Maschinelles Lernen

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Canada

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren