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

Multimodal Survival Prediction Model for Colorectal Liver Metastases Post-Operation

15. September 2026 aktualisiert von: Lianxin Liu,PhD, Anhui Provincial Hospital

Construction of a Post-operative Multimodal Survival Prediction Model for Patients With Colorectal Liver Metastases: A Study Based on the Fusion of a Multicenter Cohort and High-dimensional Radiomics

The purpose of this study is to construct and validate a multimodal survival prediction model by integrating 3D radiomics features derived from preoperative magnetic resonance imaging (MRI) with systemic clinical baseline indicators for patients with colorectal liver metastases (CRLM) after surgery. By combining micro-level radiomics signatures reflecting tumor micro-heterogeneity with macro-level clinical parameters (such as liver function and tumor biomarkers), the study aims to accurately evaluate individual post-operative prognostic risks. This quantitative tool will provide reliable decision support for clinicians to customize post-operative follow-up and personalized adjuvant treatment strategies.

Studienübersicht

Detaillierte Beschreibung

This study is based on a strictly screened multicenter cohort of patients with colorectal liver metastases who underwent surgical intervention. First, high-throughput quantitative features are automatically extracted from the 3D regions of interest (ROIs) segmented based on pre-operative magnetic resonance imaging (MRI). Advanced machine learning dimensionality reduction algorithms are subsequently applied to eliminate redundant variables and select core imaging signatures that deeply reflect tumor micro-heterogeneity, microvascular proliferation, and invasive status. On this basis, these micro-level radiomics features are fused with macro-level clinical parameters, including liver function indexes and tumor load markers. Multivariable survival analysis models are performed to identify independent prognostic factors, which are further used to develop a visual and intuitive predictive nomogram tool. Finally, time-dependent evaluation metrics and an external validation cohort will be utilized to systematically test the dynamic predictive performance and cross-platform generalizability of the model. This multimodal dual-track data paradigm aims to achieve a non-invasive and efficient "digital optical biopsy" approach for prognostic evaluation.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

205

Kontakte und Standorte

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

Studienkontakt

Studienorte

    • Anhui
      • Hefei, Anhui, China, 230001
        • Rekrutierung
        • The First Affiliated Hospital of University of Science and Technology of China
        • 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

18 Jahre bis 80 Jahre (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

The study population consists of adult patients diagnosed with colorectal liver metastases who underwent surgical resection across multiple participating clinical centers, featuring high-quality preoperative liver MRI scans and complete clinical follow-up histories.

Beschreibung

Inclusion Criteria:

Age >= 18 years old. Confirmed diagnosis of colorectal cancer with liver metastases (CRLM). Underwent surgical resection for colorectal liver metastases. Preoperative liver magnetic resonance imaging (MRI) was performed with high-quality images available for 3D radiomics feature extraction.

Complete baseline clinical, laboratory, and post-operative follow-up survival data.

Exclusion Criteria:

Patients who received local ablation only (such as radiofrequency ablation) without surgical resection.

Preoperative MRI images with severe artifacts or poor quality that prevent high-throughput radiomics analysis.

Concurrent history of other primary malignant neoplasms. Missing key clinical variables or lost to follow-up immediately after surgical intervention.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: COHORT
  • Zeitperspektiven: RETROSPECTIVE

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
CRLM Surgical Cohort

A multicenter cohort consisting of patients with colorectal liver metastases who underwent surgical resection. Preoperative magnetic resonance imaging (MRI) is utilized for 3D modeling and three-dimensional reconstruction of the liver and lesions, from which key spatial/morphological features and systemic clinical parameters are analyzed to predict post-operative recurrence-free survival.

Observational and non-invasive assessment based on preoperative MRI-derived 3D modeling and three-dimensional lesion reconstruction, combined with clinical parameters, to build a survival prediction model. No experimental intervention is assigned.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Recurrence-Free Survival (RFS)
Zeitfenster: Up to 5 years post-surgery

Recurrence-free survival (RFS) is defined as the time from the date of surgical resection to the date of first tumor recurrence (local, regional, or distant) or death from any cause, whichever occurs first.

Up to 5 years post-surgery

Mitarbeiter und Ermittler

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

Ermittler

  • Hauptermittler: Jizhou Wang, MD, PhD, The First Affiliated Hospital of University of Science and Technology of China

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. Februar 2017

Primärer Abschluss (Geschätzt)

1. September 2026

Studienabschluss (Geschätzt)

1. September 2026

Studienanmeldedaten

Zuerst eingereicht

31. Juli 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

15. September 2026

Zuerst gepostet (Tatsächlich)

21. September 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

21. September 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

15. September 2026

Zuletzt verifiziert

1. September 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

To protect participant privacy and comply with institutional data governance policies, individual participant data from this retrospective study will not be publicly shared.

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 .

Abonnieren