Predicción de metástasis peritoneal oculta de cáncer gástrico localmente avanzado utilizando datos multimodales basados en inteligencia artificial combinados con vídeo dinámico intraoperatorio
Breve resumen: Predicción de metástasis peritoneal oculta de cáncer gástrico localmente avanzado utilizando datos multimodales basados en inteligencia artificial combinados con vídeo dinámico intraoperatorio
El cáncer gástrico o cáncer de estómago es un importante problema de salud en todo el mundo. Para los pacientes diagnosticados con cáncer gástrico localmente avanzado (LAGC), uno de los desafíos críticos es la detección de metástasis peritoneales ocultas. Estas metástasis son células cancerosas que se han diseminado al peritoneo (el revestimiento de la cavidad abdominal) pero que no se detectan fácilmente mediante técnicas de imagen tradicionales ni durante la cirugía. La detección temprana y precisa de estas metástasis ocultas puede influir en gran medida en las estrategias de tratamiento y mejorar los resultados de los pacientes.
Este estudio clínico explora un enfoque innovador para abordar este desafío combinando inteligencia artificial (IA) con datos multimodales, incluido el vídeo dinámico intraoperatorio. Este método aprovecha el poder de la IA para analizar fuentes de datos diversas y complejas, proporcionando una predicción completa y precisa de metástasis peritoneales ocultas durante la cirugía.
**Hipótesis**
El estudio plantea la hipótesis de que un modelo de IA que integre datos multimodales, incluido el vídeo dinámico intraoperatorio, puede predecir con precisión la presencia de metástasis peritoneal oculta en pacientes con cáncer gástrico localmente avanzado. Al hacerlo, este enfoque tiene como objetivo ofrecer una herramienta de diagnóstico no invasiva en tiempo real que mejore las capacidades de detección más allá de los métodos tradicionales.
Diseño del estudio
- Participantes: El estudio involucrará a pacientes diagnosticados con cáncer gástrico localmente avanzado que están programados para tratamiento quirúrgico. Estos pacientes se someterán a evaluaciones preoperatorias estándar para confirmar su elegibilidad.
- Recopilación de datos: durante la cirugía, se capturarán grabaciones de video dinámicas de la cavidad abdominal. Además, se recopilarán otros datos multimodales relevantes, como resultados de imágenes, hallazgos histopatológicos y parámetros clínicos.
- Desarrollo de modelos de IA: los datos recopilados se utilizarán para entrenar y validar un modelo de IA. El modelo analizará el vídeo dinámico junto con otros datos multimodales para identificar patrones y marcadores indicativos de metástasis peritoneal oculta.
- Evaluación y validación: las predicciones del modelo de IA se compararán con los resultados quirúrgicos e histopatológicos reales para evaluar su precisión. El rendimiento del modelo de IA se evaluará en términos de sensibilidad, especificidad y precisión diagnóstica general.
- Medidas de resultado: La medida de resultado principal será la precisión del modelo de IA para predecir metástasis peritoneales ocultas. Los resultados secundarios incluirán el impacto de esta predicción en la toma de decisiones quirúrgicas, los resultados de los pacientes y las posibles mejoras en las tasas de supervivencia.
Significado
La detección de metástasis peritoneales ocultas en el cáncer gástrico localmente avanzado es crucial para la planificación eficaz del tratamiento. Los métodos de diagnóstico tradicionales a menudo no logran identificar estas metástasis ocultas hasta que hayan progresado significativamente, lo que limita las opciones de tratamiento y afecta negativamente el pronóstico. Al integrar la IA con video dinámico intraoperatorio y otros datos multimodales, este estudio tiene como objetivo desarrollar una herramienta de diagnóstico no invasiva en tiempo real que pueda detectar estas metástasis con mayor precisión y antes que los métodos convencionales.
Los beneficios potenciales de este enfoque incluyen:
- Toma de decisiones quirúrgicas mejorada: la predicción en tiempo real de metástasis ocultas puede informar las estrategias quirúrgicas, permitiendo intervenciones más precisas y específicas.
- Mejores resultados para los pacientes: la detección temprana y precisa permite tratamientos oportunos y adecuados, lo que potencialmente mejora las tasas de supervivencia y la calidad de vida de los pacientes.
- Invasividad reducida: este método proporciona un medio no invasivo para detectar metástasis, lo que reduce la necesidad de procedimientos invasivos adicionales.
- Rentabilidad: la detección y el tratamiento tempranos pueden reducir los costos generales de atención médica al prevenir la progresión de la enfermedad y reducir la necesidad de tratamientos extensos en etapas posteriores.
Conclusión
Este estudio clínico representa un avance significativo en el campo del diagnóstico del cáncer gástrico. Al aprovechar la IA para analizar datos multimodales, incluido el vídeo dinámico intraoperatorio, su objetivo es proporcionar una herramienta poderosa para la predicción temprana y precisa de metástasis peritoneales ocultas en pacientes con cáncer gástrico localmente avanzado. El éxito de este enfoque podría revolucionar la forma en que se detectan y tratan las metástasis, lo que en última instancia conduciría a mejores resultados para los pacientes.
Descripción general del estudio
Estado
Intervención / Tratamiento
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Hebei
-
Shijiazhuang, Hebei, Porcelana, 050011
- Department of General Surgery
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Diagnóstico de cáncer gástrico localmente avanzado (LAGC): los pacientes deben tener un diagnóstico confirmado de cáncer gástrico localmente avanzado.
- Edad: Los participantes deben tener 18 años o más.
- Consentimiento: los pacientes deben poder dar su consentimiento informado.
- Función adecuada de los órganos: los participantes deben tener suficiente función de la médula ósea, el hígado y los riñones, según lo definido por criterios de laboratorio específicos.
- Estado funcional: los pacientes deben tener un estado funcional del Eastern Cooperative Oncology Group (ECOG) de 0 a 2.
- Voluntad de proporcionar datos: los participantes deben aceptar proporcionar video dinámico intraoperatorio y otros datos necesarios para el análisis.
- Cirugía programada: los pacientes deben programarse para el tratamiento quirúrgico de su cáncer gástrico.
Criterio de exclusión:
- Metástasis a distancia: se excluyen los pacientes con metástasis a distancia confirmadas (más allá del peritoneo).
- Otras neoplasias malignas: personas con antecedentes de otras neoplasias malignas en los últimos cinco años, excepto cáncer de piel de células basales o de células escamosas tratado adecuadamente, o carcinoma in situ del cuello uterino.
- Condiciones comórbidas graves: pacientes con condiciones comórbidas graves o no controladas, como enfermedades cardiovasculares importantes, diabetes no controlada, infecciones graves u otras afecciones que podrían interferir con la participación o los resultados del estudio.
- Embarazo y Lactancia: Se excluyen las mujeres embarazadas o en período de lactancia debido a los riesgos potenciales para el feto o el bebé.
- Estado inmunodeprimido: pacientes inmunodeprimidos, como aquellos con VIH/SIDA, o que están recibiendo terapia inmunosupresora.
- Participación simultánea en otros ensayos clínicos: personas que actualmente participan en otro ensayo clínico que podría interferir con los procedimientos o resultados de este estudio.
- Alergias a los materiales de estudio: pacientes con alergias conocidas a cualquier componente de los materiales de estudio utilizados para la recopilación y el análisis de datos.
- Incumplimiento: Personas consideradas incapaces o no dispuestas a cumplir con los procedimientos del estudio y los requisitos de seguimiento.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Metástasis peritoneal
Periodo de tiempo: 2025-12-31
|
Metástasis peritoneal
|
2025-12-31
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Células cancerosas libres en la cavidad peritoneal.
Periodo de tiempo: 2025-12-31
|
Células cancerosas libres en la cavidad peritoneal.
|
2025-12-31
|
Colaboradores e Investigadores
Patrocinador
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
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
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- FUTURE06
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.
producto fabricado y exportado desde los 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. .