- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05096533
El valor de la aplicación de la inteligencia artificial en el diagnóstico y tratamiento de precisión de resonancia magnética del cáncer de vejiga
19 de octubre de 2021 actualizado por: The First Affiliated Hospital with Nanjing Medical University
Estudio clínico prospectivo multicéntrico sobre el valor de aplicación de la inteligencia artificial en el diagnóstico y tratamiento de precisión de resonancia magnética del cáncer de vejiga
Este estudio fue un estudio clínico observacional multicéntrico prospectivo. Se planeó incluir un total de 150 pacientes con tumor maligno de vejiga que ingresaron al departamento de urología de cada centro para tratamiento y se les realizó resección eléctrica o cistectomía radical.
Con el fin de analizar la sensibilidad, la especificidad y la precisión de la inteligencia artificial en la predicción de la estadificación patológica postoperatoria, los pacientes que ingresaron al grupo fueron seguidos durante 3 años, luego analizamos la correlación entre los resultados de la predicción de la inteligencia artificial y la SG de la SLP del paciente.
Se verificó preliminarmente que los resultados del modelo de inteligencia artificial tienen el potencial de predecir el pronóstico de los pacientes con cáncer de vejiga.
Descripción general del estudio
Estado
Reclutamiento
Condiciones
Descripción detallada
Investigación preliminar: esta investigación es una investigación conjunta multidisciplinaria que combina inteligencia artificial con resonancia magnética, puede hacer que la determinación preoperatoria de la etapa del cáncer de vejiga sea más precisa y guía el plan de tratamiento del trabajador clínico.
En la actualidad, se ha construido un modelo de inteligencia artificial basado en imágenes de resonancia magnética preoperatoria para predecir la estadificación y el pronóstico del paciente.
Construimos un modelo de predicción de estadificación a través de una red de inteligencia artificial de aprendizaje profundo y recopilamos datos de imágenes de resonancia magnética y datos patológicos posoperatorios relacionados de los pacientes. Posteriormente, seguimos a 576 pacientes sobre la base de la construcción del modelo de estadificación.
Al obtener OS, PFS y RFS de los pacientes, se seleccionó aleatoriamente una parte como conjunto de entrenamiento para entrenar el modelo de red de aprendizaje profundo.
La otra parte se utiliza como equipo de prueba para verificar su precisión.
Este estudio fue un estudio clínico observacional multicéntrico prospectivo. Se planeó incluir un total de 150 pacientes con tumor maligno de vejiga que ingresaron al departamento de urología de cada centro para tratamiento y se les realizó resección eléctrica o cistectomía radical.
Con el fin de analizar la sensibilidad, la especificidad y la precisión de la inteligencia artificial en la predicción de la estadificación patológica postoperatoria, los pacientes que ingresaron al grupo fueron seguidos durante 3 años, luego analizamos la correlación entre los resultados de la predicción de la inteligencia artificial y la SG de la SLP del paciente.
Se verificó preliminarmente que los resultados del modelo de inteligencia artificial tienen el potencial de predecir el pronóstico de los pacientes con cáncer de vejiga.
Tipo de estudio
De observación
Inscripción (Anticipado)
150
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
-
-
Jiangsu
-
Nanjing, Jiangsu, Porcelana, 210000
- Reclutamiento
- The First Affiliated Hospital of Nanjing Medical University
-
Contacto:
- Qiang Lu
- Número de teléfono: 13505196501
- Correo electrónico: dxhlvqiang@163.com
-
-
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
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
No
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra no probabilística
Población de estudio
Los pacientes reciben resonancia magnética en cada centro de estudio y se someten a la operación.
Descripción
Criterios de inclusión:
- El examen preoperatorio indica que el paciente tiene cáncer de vejiga;
- No hay límite en el género;
- La edad de 18 años o más;
- Puede proporcionar imágenes de MRI preoperatorias;
- Aceptar proporcionar información clínica básica personal y datos patológicos y de imágenes para la investigación científica, y firmar el consentimiento informado;
- Acepte proporcionar los resultados del seguimiento durante el seguimiento de la recurrencia.
Criterio de exclusión:
- El paciente no pudo proporcionar imágenes de resonancia magnética preoperatoria, incluidas las imágenes de resonancia magnética después de la terapia neoadyuvante y antes de la cirugía;
- Los pacientes con información patológica incompleta de las muestras no pudieron proporcionar información precisa sobre estadificación y clasificación;
- Los pacientes no pueden ser operados por sus propios motivos: insuficiencia cardíaca severa, infarto agudo de miocardio, enfermedades cardíacas y pulmonares graves, etc., no pueden tolerar el tratamiento quirúrgico normal;
- Pacientes que se habían sometido recientemente a una cirugía (p. ej., TURBT) antes del examen de resonancia magnética;
- El investigador cree que existen condiciones que pueden perjudicar al sujeto o hacer que el sujeto no cumpla o no realice los requisitos del estudio;
- Pacientes incapaces de dar su consentimiento informado por escrito.
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
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Explorar el valor de la aplicación de la inteligencia artificial en el diagnóstico y tratamiento precisos del tumor de vejiga, y mejorar la precisión del diagnóstico por resonancia magnética de la etapa y el grado del cáncer de vejiga a través de la inteligencia artificial.
Periodo de tiempo: 1 año
|
2 、 A través del análisis de concordancia de los resultados del ensayo de diagnóstico de inteligencia artificial con los resultados estándar de oro de la cirugía, la sensibilidad, la especificidad, el valor predictivo positivo (PPV), el valor predictivo negativo (NPV) del diagnóstico de inteligencia artificial antes de la operación.
|
1 año
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sobrevivencia promedio
Periodo de tiempo: 3 años después de la cirugía
|
Se analizó la correlación entre el modelo de inteligencia artificial y la OS en pacientes con cáncer de vejiga para verificar preliminarmente la capacidad potencial de los resultados del modelo de inteligencia artificial para predecir el pronóstico de los pacientes con cáncer de vejiga.
|
3 años después de la cirugía
|
Otras medidas de resultado
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
supervivencia libre de recurrencia
Periodo de tiempo: 3 años después de la cirugía
|
Se analizó la correlación entre el modelo de inteligencia artificial y RFS en pacientes con cáncer de vejiga para verificar preliminarmente la capacidad potencial de los resultados del modelo de inteligencia artificial para predecir el pronóstico de los pacientes con cáncer de vejiga.
|
3 años después de la cirugía
|
|
supervivencia libre de progresión
Periodo de tiempo: 3 años después de la cirugía
|
Se analizó la correlación entre el modelo de inteligencia artificial y la SLP en pacientes con cáncer de vejiga para verificar preliminarmente la capacidad potencial de los resultados del modelo de inteligencia artificial para predecir el pronóstico de los pacientes con cáncer de vejiga.
|
3 años después de la cirugía
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Colaboradores
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.
Publicaciones Generales
- Panebianco V, Narumi Y, Altun E, Bochner BH, Efstathiou JA, Hafeez S, Huddart R, Kennish S, Lerner S, Montironi R, Muglia VF, Salomon G, Thomas S, Vargas HA, Witjes JA, Takeuchi M, Barentsz J, Catto JWF. Multiparametric Magnetic Resonance Imaging for Bladder Cancer: Development of VI-RADS (Vesical Imaging-Reporting And Data System). Eur Urol. 2018 Sep;74(3):294-306. doi: 10.1016/j.eururo.2018.04.029. Epub 2018 May 10.
- Wang H, Luo C, Zhang F, Guan J, Li S, Yao H, Chen J, Luo J, Chen L, Guo Y. Multiparametric MRI for Bladder Cancer: Validation of VI-RADS for the Detection of Detrusor Muscle Invasion. Radiology. 2019 Jun;291(3):668-674. doi: 10.1148/radiol.2019182506. Epub 2019 Apr 23.
- Suarez-Ibarrola R, Hein S, Reis G, Gratzke C, Miernik A. Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer. World J Urol. 2020 Oct;38(10):2329-2347. doi: 10.1007/s00345-019-03000-5. Epub 2019 Nov 5.
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)
1 de enero de 2021
Finalización primaria (Anticipado)
1 de mayo de 2022
Finalización del estudio (Anticipado)
1 de enero de 2023
Fechas de registro del estudio
Enviado por primera vez
7 de octubre de 2021
Primero enviado que cumplió con los criterios de control de calidad
19 de octubre de 2021
Publicado por primera vez (Actual)
27 de octubre de 2021
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
27 de octubre de 2021
Última actualización enviada que cumplió con los criterios de control de calidad
19 de octubre de 2021
Última verificación
1 de octubre de 2021
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 2021-SR-409
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
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. .