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

El modelo de aprendizaje profundo predice la respuesta patológica completa del cáncer de pulmón después de la inmunoquimioterapia neoadyuvante

11 de marzo de 2024 actualizado por: Wuhan Union Hospital, China

Un modelo de inteligencia artificial predice la respuesta patológica completa del cáncer de pulmón después de la inmunoquimioterapia neoadyuvante

Este estudio presenta el desarrollo y la validación de un sistema de predicción de inteligencia artificial (IA) que utiliza exploraciones simples de inmunoterapia preneoadyuvante y exploraciones por TC multimodal mejoradas para extraer funciones de aprendizaje profundo. El objetivo es predecir la aparición de una respuesta patológica completa en pacientes con cáncer de pulmón de células no pequeñas sometidos a inmunoquimioterapia neoadyuvante.

Descripción general del estudio

Descripción detallada

Este estudio obtuvo retrospectivamente tomografías computarizadas con contraste y sin contraste de pacientes con NSCLC que se sometieron a cirugía después de recibir inmunoquimioterapia neoadyuvante. en múltiples centros entre agosto de 2019 y febrero de 2023. Se extrajeron características de aprendizaje profundo de tomografías computarizadas mejoradas sin contrato y mejoradas con contrato para construir los modelos predictivos (modelo LUNAI-nCT y modelo LUNAI-eCT), respectivamente. Después de la fusión de características de estos dos tipos de características, se construyó un modelo fusionado (modelo LUNAI-fCT). El rendimiento del modelo se evaluó utilizando el área bajo la curva característica operativa del receptor (AUC), la precisión, la sensibilidad, la especificidad, el valor predictivo positivo (VPP) y el valor predictivo negativo (VPN). Se utilizó el análisis SHapley Additive exPlanations (SHAP) para cuantificar el impacto de las características de las imágenes de TC en la predicción del modelo. Para obtener información sobre cómo nuestro modelo hace predicciones, empleamos el mapeo de activación de clases ponderado por gradiente (Grad-CAM) para generar mapas de calor de prominencia.

Tipo de estudio

De observación

Inscripción (Estimado)

1000

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

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Método de muestreo

Muestra no probabilística

Población de estudio

pacientes que fueron diagnosticados con carcinoma de células no pequeñas y sometidos a cirugía después del tratamiento de quimioinmunoterapia neoadyuvante

Descripción

Criterios de inclusión:

  1. Pacientes con cáncer de pulmón de células no pequeñas, diagnosticados mediante biopsia patológica y clasificados clínicamente en estadio IB a III;
  2. Pacientes que reciben al menos dos ciclos de inmunoterapia neoadyuvante combinada con terapia de inducción de quimioterapia;
  3. Según las directrices de la IASLC, se realizó una evaluación patológica posoperatoria de la respuesta al tratamiento de la lesión primaria del tumor y los ganglios linfáticos.

Criterio de exclusión:

  1. Calidad faltante o inadecuada de la TC;
  2. El intervalo de tiempo entre la TC y el inicio del tratamiento es superior a 1 mes;
  3. Datos clínico-patológicos incompletos.

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
Conjunto de datos de entrenamiento
pacientes a los que se les diagnosticó carcinoma de células no pequeñas y se sometieron a cirugía después del tratamiento de quimioinmunoterapia neoadyuvante en el hospital 1 (Hospital de la Unión Afiliado al Tongji Medical College)
La extracción de alto rendimiento de grandes cantidades de características de imágenes cuantitativas a partir de imágenes médicas.
conjunto de datos de prueba
pacientes a los que se les diagnosticó carcinoma de células no pequeñas y se sometieron a cirugía después de un tratamiento de quimioinmunoterapia neoadyuvante en el hospital (Primer Hospital Afiliado de la Universidad de Zhengzhou, Hospital Central de Yichang, Hospital Oncológico de Anyang)

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
la precisión, sensibilidad, especificidad, valor predictivo positivo (VPP) y valor predictivo negativo (VPN) del modelo de predicción.
Periodo de tiempo: Tratamiento inicial
Se calcularon varias métricas, incluida la precisión, la sensibilidad, la especificidad, el valor predictivo positivo (VPP) y el valor predictivo negativo (VPN).
Tratamiento inicial

Colaboradores e Investigadores

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

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 (Estimado)

1 de marzo de 2024

Finalización primaria (Estimado)

1 de diciembre de 2025

Finalización del estudio (Estimado)

1 de marzo de 2026

Fechas de registro del estudio

Enviado por primera vez

22 de febrero de 2024

Primero enviado que cumplió con los criterios de control de calidad

22 de febrero de 2024

Publicado por primera vez (Actual)

29 de febrero de 2024

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

13 de marzo de 2024

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

11 de marzo de 2024

Última verificación

1 de febrero de 2024

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. .

Ensayos clínicos sobre Cáncer de pulmón de células no pequeñas

Ensayos clínicos sobre Sin intervenciones

Suscribir