Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Clasificación de nódulos pulmonares benignos y malignos basada en datos sin procesar de TC

29 de junio de 2022 actualizado por: Di Dong, Chinese Academy of Sciences

Comparación y análisis del rendimiento predictivo de la TC y los datos sin procesar en la clasificación benigna y maligna de los nódulos pulmonares

El empleo de imágenes médicas combinadas con redes neuronales profundas para ayudar en el diagnóstico clínico, el efecto terapéutico y la predicción del pronóstico es hoy en día un punto crítico. Sin embargo, todos los métodos existentes están diseñados sobre la base de las imágenes médicas reconstruidas en lugar de los datos sin procesar sin pérdidas. Teniendo en cuenta que las imágenes médicas están destinadas a los ojos humanos en lugar de la IA, intentamos utilizar datos sin procesar para predecir la malignidad de los nódulos pulmonares y comparamos el rendimiento predictivo con la TC. Los experimentos demostrarán la viabilidad del diagnóstico mediante datos brutos de TC. Creemos que el método propuesto promete cambiar la línea actual de diagnóstico médico, ya que tiene el potencial de liberar a los radiólogos.

Descripción general del estudio

Estado

Terminado

Intervención / Tratamiento

Descripción detallada

El esquema de diagnóstico de los cánceres utilizado habitualmente sigue el proceso de señal a imagen a diagnóstico. Es fundamental reconstruir las imágenes visibles a partir de la señal del dispositivo médico para que el médico humano pueda realizar el diagnóstico. Sin embargo, la gran cantidad de información dentro de la señal no se extrae de manera óptima, lo que provoca el rendimiento insatisfactorio actual del diagnóstico basado en imágenes.

En este ensayo clínico, desarrollaremos un esquema de diagnóstico basado en IA para nódulos pulmonares directamente desde la señal (datos sin procesar) hasta el diagnóstico, omitiendo el paso de reconstrucción. En este ensayo, nos centraremos en la discriminación de los nódulos pulmonares malignos de los benignos. Recopilaremos un conjunto de datos de pacientes a los que se les descartan los nódulos pulmonares. Todos los pacientes se someten a una tomografía computarizada preoperatoria (datos sin procesar e imágenes de tomografía computarizada disponibles) y tienen un resultado patológicamente confirmado de los nódulos. Construiremos un modelo utilizando solo datos sin procesar para el diagnóstico de los nódulos pulmonares. Además, se construirá otro modelo de imagen CT para comparar.

Además, realizaremos un seguimiento de estos pacientes y construiremos un modelo basado en datos sin procesar de TC para el análisis de pronóstico del cáncer de pulmón.

Tipo de estudio

De observación

Inscripción (Actual)

626

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Ubicaciones de estudio

    • Jilin
      • Changchun, Jilin, Porcelana, 130021
        • The First Hospital of Ji Lin University

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

18 años y mayores (ADULTO, MAYOR_ADULTO)

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra de probabilidad

Población de estudio

Se incluirán en este estudio los pacientes en los que se descarten nódulos pulmonares mediante TC. El estándar de oro es la malignidad patológicamente confirmada del nódulo.

Descripción

Criterios de inclusión:

  1. Pacientes a los que se les excluyó el nódulo pulmonar.
  2. Los datos de TC y los datos brutos de TC correspondientes están disponibles antes de la cirugía.
  3. Está disponible el diagnóstico anatomopatológico final de la malignidad del nódulo.

Criterio de exclusión:

  1. Antecedentes de neoplasias pulmonares previas.
  2. Artefactos en las imágenes de TC que deterioran gravemente la observación de la lesión.
  3. El intervalo de tiempo entre la tomografía computarizada y el diagnóstico de patología es de más de 4 semanas.

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
El primer hospital de la Universidad Ji Lin
Se recopilarán los datos de TC y los correspondientes datos brutos de TC de pacientes con nódulos pulmonares.
Sin intervenciones

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Área bajo la curva característica operativa (ROC) del receptor
Periodo de tiempo: 8 meses
Área bajo la curva (AUC) de datos sin procesar para diferenciar nódulos malignos de nódulos benignos.
8 meses
Supervivencia libre de enfermedad
Periodo de tiempo: 5 años
La asociación entre los datos sin procesar y la supervivencia libre de enfermedad (DFS), que se definió como el tiempo desde el comienzo del diagnóstico de cáncer de pulmón hasta el momento confirmado de la recurrencia o la enfermedad metastásica, o la muerte.
5 años
Supervivencia general
Periodo de tiempo: 5 años
La asociación entre los datos sin procesar y la supervivencia general (SG), que se definió como el tiempo desde el comienzo del diagnóstico de cáncer de pulmón hasta la muerte por cualquier causa.
5 años

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Investigadores

  • Director de estudio: Yali Zang, Ph.D., Institute of Automation, Chinese Academy of Sciences

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Enlaces Útiles

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (ACTUAL)

15 de abril de 2019

Finalización primaria (ACTUAL)

30 de junio de 2022

Finalización del estudio (ACTUAL)

30 de junio de 2022

Fechas de registro del estudio

Enviado por primera vez

23 de enero de 2020

Primero enviado que cumplió con los criterios de control de calidad

23 de enero de 2020

Publicado por primera vez (ACTUAL)

27 de enero de 2020

Actualizaciones de registros de estudio

Última actualización publicada (ACTUAL)

30 de junio de 2022

Última actualización enviada que cumplió con los criterios de control de calidad

29 de junio de 2022

Última verificación

1 de junio de 2022

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

INDECISO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

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. .

Suscribir