Herramienta de predicción de inteligencia artificial en tumores epiteliales del timo (INTHYM)
Inteligencia artificial para la clasificación histopatológica y la predicción de la recurrencia de tumores epiteliales del timo
Este estudio observacional multicéntrico tiene como objetivo mejorar la clasificación de los tumores epiteliales del timo y predecir los riesgos de recurrencia utilizando modelos de IA. Al analizar la patología digital y las variables clínicas, el proyecto aborda las discrepancias en el sistema de clasificación actual de la OMS.
Preguntas principales:
- ¿Pueden los modelos de IA mejorar la precisión de la clasificación de los tumores epiteliales del timo?
- ¿Los modelos de IA predicen mejor los riesgos de recurrencia en comparación con el sistema de clasificación de la OMS?
Tareas de los participantes:
- Análisis de patología digital.
- Desarrolle modelos de IA para una clasificación precisa y una predicción del riesgo de recurrencia.
Grupo de comparación:
Los investigadores compararán la clasificación mejorada por IA con el sistema de la OMS para determinar si los modelos de IA proporcionan subtipos más precisos y predicen mejor los riesgos de recurrencia.
Diseño del estudio:
Este proyecto internacional utiliza tres bases de datos de Rotterdam, Maastricht y Lyon, una de ellas para la creación de modelos de IA y las otras dos para validación externa.
Meta final:
Desarrollar modelos de IA que ayuden a los patólogos a subtipificar con precisión los tumores epiteliales del timo, evitando el tratamiento insuficiente o excesivo con radioterapia adyuvante para un tratamiento más personalizado y eficaz.
Descripción general del estudio
Estado
Descripción detallada
Los tumores epiteliales del timo son neoplasias raras en el mediastino anterior. La piedra angular del tratamiento es la resección quirúrgica. La administración de radioterapia postoperatoria suele estar indicada en pacientes con enfermedad local más extensa, resección incompleta y/o subtipos más agresivos, definidos por la clasificación histopatológica de la OMS.
En esta clasificación se distinguen los tipos de timoma A, AB, B1, B2, B3 y el carcinoma tímico. Los estudios han demostrado grandes discordancias entre los patólogos a la hora de subtipificar estos tumores. Además, la clasificación de la OMS por sí sola no predice con precisión el riesgo de recurrencia, ya que dentro de los subtipos los pacientes tienen pronósticos divergentes.
Desarrollaremos modelos de IA utilizando patología digital y variables clínicas relevantes para mejorar la precisión de la clasificación histopatológica de los tumores epiteliales del timo y predecir mejor el riesgo de recurrencia.
En este proyecto multicéntrico e internacional se utilizarán tres bases de datos existentes en Rotterdam, Maastricht y Lyon. Para todos los modelos se utilizará una base de datos para construir modelos de IA y las otras dos para la validación externa.
El objetivo final de este proyecto es desarrollar modelos de IA que ayuden al patólogo a subtipificar correctamente los tumores epiteliales del timo, para evitar que los pacientes reciban un tratamiento insuficiente o excesivo con radioterapia adyuvante.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Anna Salut Esteve Domínguez
- Número de teléfono: 0107043491
- Correo electrónico: a.estevedominguez@erasmusmc.nl
Ubicaciones de estudio
-
-
South Holland
-
Rotterdam, South Holland, Países Bajos, 3015 GD
- Reclutamiento
- Erasmus MC
-
Contacto:
- Anna Salut Esteve Domínguez
- Correo electrónico: a.estevedominguez@erasmusmc.nl
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Población de estudio:
Este estudio se centra en personas diagnosticadas con tumores epiteliales del timo. El estudio incluye pacientes de tres conjuntos de datos: Erasmus MC (710 pacientes), Maastro (137 pacientes) y el Hospital Universitario de Lyon (181 pacientes).
Información adicional:
- Erasmus MC (710 pacientes): Incluye información sobre edad, sexo y diagnóstico; cada paciente puede tener varias imágenes de diapositivas completas.
- Maastro (137 pacientes): cada paciente puede tener varias imágenes de diapositivas completas.
- Hospital Universitario de Lyon (181 pacientes): cada paciente puede tener varias imágenes de diapositivas completas.
Descripción
Criterios de inclusión:
Los participantes con diagnósticos específicos son elegibles para su inclusión en el estudio. Los diagnósticos elegibles incluyen varios subtipos de timoma y carcinoma tímico, específicamente:
- Timoma A
- Timoma AB
- Timoma B1
- Timoma B2
- Timoma B3
- Carcinoma tímico
La inclusión se basa en un diagnóstico de consenso con un nivel de acuerdo inferior al 70%. Este criterio se aplica durante la fase de entrenamiento del modelo.
Criterios de recurrencia:
Los participantes con un resultado de recurrencia documentado dentro de un período de 5 años se consideran elegibles para este aspecto del estudio. Este criterio se aplica principalmente durante la fase de validación.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Pacientes con TET
Pacientes diagnosticados con los siguientes subtipos de TET:
|
AI Diagnostics utiliza algoritmos avanzados para el análisis preciso de imágenes histológicas para ayudar a diagnosticar la enfermedad, incluido el subtipo.
Otros nombres:
|
|
Reaparición
Pacientes con tumores epiteliales tímicos que hayan experimentado recurrencia.
|
Esta herramienta de IA evalúa datos de tumores tímicos y otros datos clínicos y calcula el riesgo de recurrencia, con el objetivo de analizar si existe asociación con subtipos específicos de tumores epiteliales tímicos y datos clínicos.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
WP1 - Bases de datos/Preprocesamiento de datos
Periodo de tiempo: M1-M18
|
El conjunto de datos de EMC incluye 179 pacientes con TET clasificados por patólogos con experiencia en TET.
Los casos con buena concordancia entre patólogos se utilizarán para entrenar modelos de IA.
La evaluación incluye diapositivas de patología digitalizadas evaluadas por un panel internacional de expertos.
La base de datos MUMC (137 pacientes) y la base de datos CHUL (181 pacientes) proporcionan datos adicionales, incluidas variables clínicas.
Los factores relevantes incluyen edad, sexo, volumen del tumor, estadio, finalización de la resección, trastornos autoinmunes y detalles del tratamiento.
|
M1-M18
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
WP2 - Modelo de aprendizaje profundo para clasificación TET y predicción de recurrencia
Periodo de tiempo: M6-M32
|
Este resultado tiene como objetivo crear un marco de IA con dos objetivos principales.
Primero, investigue los subtipos de TET utilizando cuatro modelos diferentes que enfatizan el tipo de célula, las estructuras morfológicas y una combinación.
En segundo lugar, clasificar a los pacientes según el resultado de la recurrencia dentro de los 5 años.
Se realizará un estudio de ablación con clasificadores de aprendizaje profundo de última generación (ResNet, Inception).
|
M6-M32
|
Otras medidas de resultado
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
WP3: Evaluación clínica
Periodo de tiempo: M6-M36
|
Los modelos AI 1-3 se construirán y validarán en la base de datos EMC, mientras que el modelo AI 4 se construirá en la base de datos MUMC+ y se validará en ambas.
El rendimiento del modelo se evaluará mediante sensibilidad, especificidad y valor predictivo negativo/positivo.
Las curvas de análisis de decisión cuantificarán el beneficio clínico, identificando los grupos de pacientes con mayor utilidad.
|
M6-M36
|
Colaboradores e Investigadores
Patrocinador
Publicaciones y enlaces útiles
Publicaciones Generales
- Wolf JL, van Nederveen F, Blaauwgeers H, Marx A, Nicholson AG, Roden AC, Strobel P, Timens W, Weissferdt A, von der Thusen J, den Bakker MA. Interobserver variation in the classification of thymic lesions including biopsies and resection specimens in an international digital microscopy panel. Histopathology. 2020 Nov;77(5):734-741. doi: 10.1111/his.14167. Epub 2020 Sep 24.
- Molina TJ, Bluthgen MV, Chalabreysse L, de Montpreville VT, de Muret A, Dubois R, Hofman V, Lantuejoul S, le Naoures C, Mansuet-Lupo A, Parrens M, Piton N, Rouquette I, Secq V, Girard N, Marx A, Besse B. Impact of expert pathologic review of thymic epithelial tumours on diagnosis and management in a real-life setting: A RYTHMIC study. Eur J Cancer. 2021 Jan;143:158-167. doi: 10.1016/j.ejca.2020.11.011. Epub 2020 Dec 11.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- Maastro Clinic
- 72725524 (Otro número de subvención/financiamiento: Hanarth Fonds)
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. .
Ensayos clínicos sobre Diagnóstico de Inteligencia Artificial
-
Mansoura UniversityTerminadoSatisfacción del paciente | Resultados clínicos | Complicación protésicaEgipto
-
North Bristol NHS TrustEKF DiagnosticsRetiradoMedición de lactato en sangre fetalReino Unido
-
Medfield DiagnosticsTerminado
-
National Institute for Tuberculosis and Lung Diseases...Healthup Sp. z o.o.Terminado
-
Stanford UniversitySanta Clara Valley Medical CenterRetiradoSífilis congénita | Sífilis materna durante el embarazo: el bebé aún no ha nacidoEstados Unidos
-
Moorfields Eye Hospital NHS Foundation TrustTerminadoDebilitación; Traumático, Ojo | Enucleado; OjoReino Unido
-
Stanford UniversityTerminadoEducación, Medicina | Imágenes de ultrasonidoEstados Unidos
-
SpinalMotionTerminadoEnfermedad degenerativa del discoEstados Unidos
-
Sun Yat-Sen Memorial Hospital of Sun Yat-Sen UniversityReclutamiento
-
Istituto Clinico HumanitasReclutamiento