Modelo de inteligencia artificial para la predicción del crecimiento de organoides de cáncer de ovario
Desarrollo y validación de un modelo de predicción del crecimiento de organoides de cáncer de ovario basado en imágenes de campo brillante y aprendizaje profundo
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Tipo de estudio
Tipo de estudio
Inscripción (Estimado)
Inscripción
Contactos y Ubicaciones
Estudio Contacto
Estudio Contacto
- Nombre: Dongling Zou, MD
- Número de teléfono: 13657690699
- Correo electrónico: cqzl_zdl@163.com
Ubicaciones de estudio
-
-
Chongqing
-
Chongqing, Chongqing, Porcelana, 400030
- Reclutamiento
- Chongqing Cancer Hospital
-
Investigador principal:
- Dongling Zou, M.D.
-
Contacto:
- Dongling Zou, M.D.
- Número de teléfono: 13657690699
- Correo electrónico: cqzl_zdl@163.com
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Las pacientes deben tener un diagnóstico histológicamente confirmado de cáncer de ovario epitelial.
- Los pacientes recibieron biopsia o punción para obtener tejidos tumorales o derrame maligno.
- Los pacientes participaron voluntariamente en el estudio y firmaron el consentimiento informado.
Criterio de exclusión:
- Cáncer de ovario no epitelial
- No hay cantidad suficiente de tejidos tumorales o derrame maligno para el establecimiento de organoides.
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 |
|---|---|---|
|
AUC del rendimiento de la predicción del crecimiento utilizando un modelo de aprendizaje profundo
Periodo de tiempo: hasta 3 años
|
AUC = Área bajo la curva característica de funcionamiento del receptor
|
hasta 3 años
|
|
Precisión de la predicción del crecimiento utilizando un modelo de aprendizaje profundo
Periodo de tiempo: hasta 3 años
|
Precisión = (el número de muestras clasificadas correctamente)/(el número de muestras totales)
|
hasta 3 años
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Investigadores
Investigadores
- Investigador principal: Dongling Zou, M.D., Chongqing University Cancer Hospital
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
- Neoplasias por tipo histológico
- Neoplasias
- Neoplasias urogenitales
- Neoplasias por sitio
- Carcinoma
- Neoplasias Glandulares y Epiteliales
- Neoplasias Genitales Femeninas
- Enfermedades del sistema endocrino
- Enfermedades Ováricas
- Enfermedades anexiales
- Trastornos gonadales
- Neoplasias de glándulas endocrinas
- Enfermedades urogenitales femeninas
- Enfermedades urogenitales femeninas y complicaciones del embarazo
- Enfermedades urogenitales
- Enfermedades Genitales
- Enfermedades Genitales Femeninas
- Neoplasias Ováricas
- Carcinoma Epitelial De Ovario
Otros números de identificación del estudio
Otros números de identificación del estudio
- CQGOG0206
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. .