Firma de aprendizaje profundo para predecir la respuesta patológica completa a la quimioinmunoterapia neoadyuvante en el cáncer de pulmón de células no pequeñas
Una integración de una firma de aprendizaje profundo basada en tomografía computarizada/tomografía por emisión de positrones/imagen de diapositiva completa (CT/PET/WSI) para predecir la respuesta patológica completa a la quimioinmunoterapia neoadyuvante en el cáncer de pulmón de células no pequeñas: un estudio multicéntrico
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Tipo de estudio
Tipo de estudio
Inscripción (Estimado)
Inscripción
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Guizhou
-
Zunyi, Guizhou, Porcelana
- Reclutamiento
- Affiliated Hospital of Zunyi Medical University
-
Contacto:
- Yongxiang Song, Dr
- Número de teléfono: 15505177258
- Correo electrónico: zhong961008@163.com
-
-
Jiangxi
-
Nanchang, Jiangxi, Porcelana
- Reclutamiento
- The First Affiliated Hospital of Nanchang University
-
Contacto:
- Bentong Yu, Dr
- Número de teléfono: 021-65115006
- Correo electrónico: 1151697503@qq.com
-
-
Zhejiang
-
Ningbo, Zhejiang, Porcelana
- Reclutamiento
- Ningbo HwaMei Hospital
-
Contacto:
- Minglei Yang, Dr
- Número de teléfono: 021-65115006
- Correo electrónico: almondjj@163.com
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Rango de edad de 20 a 75 años;
- Pacientes que se sometieron a cirugía curativa después de quimioinmunoterapia neoadyuvante para NSCLC;
- Obtuvo el consentimiento informado por escrito.
Criterio de exclusión:
- Faltan datos de imagen;
- Enfermedad patológica N3.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Área bajo la curva característica de funcionamiento del receptor
Periodo de tiempo: 2023.5.1-2023.10.31
|
El área bajo la curva característica operativa del receptor (ROC) del modelo de aprendizaje profundo para predecir la respuesta patológica completa (CPR).
La RCP se definió como ausencia de tumor residual tanto en el tumor primario resecado como en los ganglios linfáticos.
Los pacientes con cáncer de pulmón de células no pequeñas que reciben quimioinmunoterapia neoadyuvante lograrán RCP o no RCP, lo que puede confirmarse mediante examen patológico después de la resección quirúrgica.
Y el modelo generará el valor predictivo (CPR/non-CPR) para cada paciente que recibe quimioinmunoterapia neoadyuvante.
|
2023.5.1-2023.10.31
|
Medidas de resultado secundarias
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sensibilidad
Periodo de tiempo: 2023.5.1-2023.10.31
|
La sensibilidad del modelo de aprendizaje profundo en la predicción de una respuesta patológica completa.
La RCP se definió como ausencia de tumor residual tanto en el tumor primario resecado como en los ganglios linfáticos.
Los pacientes con cáncer de pulmón de células no pequeñas que reciben quimioinmunoterapia neoadyuvante lograrán RCP o no RCP, lo que puede confirmarse mediante examen patológico después de la resección quirúrgica.
Y el modelo generará el valor predictivo (CPR/non-CPR) para cada paciente que recibe quimioinmunoterapia neoadyuvante.
|
2023.5.1-2023.10.31
|
Otras medidas de resultado
Otras medidas de resultado
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Especificidad
Periodo de tiempo: 2023.5.1-2023.10.31
|
La especificidad del modelo de aprendizaje profundo en la predicción de una respuesta patológica completa.
La RCP se definió como ausencia de tumor residual tanto en el tumor primario resecado como en los ganglios linfáticos.
Los pacientes con cáncer de pulmón de células no pequeñas que reciben quimioinmunoterapia neoadyuvante lograrán RCP o no RCP, lo que puede confirmarse mediante examen patológico después de la resección quirúrgica.
Y el modelo generará el valor predictivo (CPR/non-CPR) para cada paciente que recibe quimioinmunoterapia neoadyuvante.
|
2023.5.1-2023.10.31
|
|
Valor predictivo positivo
Periodo de tiempo: 2023.5.1-2023.10.31
|
El valor predictivo positivo del modelo de aprendizaje profundo en la predicción de una respuesta patológica completa.
La RCP se definió como ausencia de tumor residual tanto en el tumor primario resecado como en los ganglios linfáticos.
Los pacientes con cáncer de pulmón de células no pequeñas que reciben quimioinmunoterapia neoadyuvante lograrán RCP o no RCP, lo que puede confirmarse mediante examen patológico después de la resección quirúrgica.
Y el modelo generará el valor predictivo (CPR/non-CPR) para cada paciente que recibe quimioinmunoterapia neoadyuvante.
|
2023.5.1-2023.10.31
|
|
Valor predictivo negativo
Periodo de tiempo: 2023.5.1-2023.10.31
|
El valor predictivo negativo del modelo de aprendizaje profundo en la predicción de una respuesta patológica completa.
La RCP se definió como ausencia de tumor residual tanto en el tumor primario resecado como en los ganglios linfáticos.
Los pacientes con cáncer de pulmón de células no pequeñas que reciben quimioinmunoterapia neoadyuvante lograrán RCP o no RCP, lo que puede confirmarse mediante examen patológico después de la resección quirúrgica.
Y el modelo generará el valor predictivo (CPR/non-CPR) para cada paciente que recibe quimioinmunoterapia neoadyuvante.
|
2023.5.1-2023.10.31
|
|
Exactitud
Periodo de tiempo: 2023.5.1-2023.10.31
|
La precisión del modelo de aprendizaje profundo en la predicción de una respuesta patológica completa.
La RCP se definió como ausencia de tumor residual tanto en el tumor primario resecado como en los ganglios linfáticos.
Los pacientes con cáncer de pulmón de células no pequeñas que reciben quimioinmunoterapia neoadyuvante lograrán RCP o no RCP, lo que puede confirmarse mediante examen patológico después de la resección quirúrgica.
Y el modelo generará el valor predictivo (CPR/non-CPR) para cada paciente que recibe quimioinmunoterapia neoadyuvante.
|
2023.5.1-2023.10.31
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
Finalización primaria (Estimado)
Finalización primaria
Finalización del estudio (Estimado)
Finalización del estudio
Fechas de registro del estudio
Enviado por primera vez
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Publicado por primera vez
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización publicada
Última actualización enviada que cumplió con los criterios de control de calidad
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
Otros números de identificación del estudio
- DLCPR
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .