Predicción de fibrosis hepática significativa (PSLF)
16 de julio de 2024 actualizado por: Huang Haijun
Tecnología de fusión de imágenes digitales multimodal basada en aprendizaje profundo para predecir fibrosis hepática significativa y su aplicación en investigaciones multicéntricas
Se utilizó el método de aprendizaje profundo basado en una red neuronal convolucional (CNN) para extraer las características relevantes de la clasificación de la fibrosis hepática a partir de la información multimodal de secciones patológicas digitales, parámetros clínicos y biomarcadores de un gran número de casos existentes de punción hepática, y Se utilizó la arquitectura U-Net de CNN para segmentar y extraer las características de imágenes médicas clínicas.
Descripción general del estudio
Descripción detallada
Los pacientes con hepatitis B crónica se sometieron a una biopsia hepática guiada por ecografía B y se dividieron en un grupo con fibrosis hepática leve (fibrosis grado 0-1, S1), un grupo con fibrosis hepática significativa (fibrosis grado 2, S2), un grupo con fibrosis hepática avanzada y un grupo con fibrosis hepática temprana. grupo de cirrosis (fibrosis grado 3-4, S3-4) según los resultados patológicos. En este estudio, se recogieron 200 pacientes con diferentes grados de fibrosis hepática y 200 voluntarios normales de 2018 a 2022, y sus datos bioquímicos clínicos, datos de imágenes. y se recolectaron muestras de sangre periférica. Se extrajeron las características patológicas del microambiente, las características de las imágenes, las características de los parámetros clínicos y otros datos de los pacientes, y se adoptó el método de aprendizaje por destilación basado en el modelo profesor-estudiante para desarrollar y construir un análisis multimodal de big data. modelo para la clasificación precisa de la fibrosis hepática, a fin de lograr un sistema de diagnóstico de clasificación inteligente no invasivo para la fibrosis hepática.
Tipo de estudio
De observación
Inscripción (Estimado)
700
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.
Estudio Contacto
- Nombre: Haijun Huang
- Número de teléfono: 13758186635
- Correo electrónico: huanghaijun0826@163.com
Ubicaciones de estudio
-
-
Zhejiang
-
Hangzhou, Zhejiang, Porcelana, 310014
- Reclutamiento
- Haijun Huang
-
Contacto:
- Haijun Huang
- Número de teléfono: 13758186635
- Correo electrónico: huanghaijun0826@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
- Adulto
Acepta Voluntarios Saludables
Sí
Método de muestreo
Muestra no probabilística
Población de estudio
Un paciente con fibrosis hepática crónica por hepatitis B confirmada mediante biopsia hepática.
Descripción
Criterios de inclusión:
- Edad de 18 a 60 años.
- El diagnóstico de hepatitis B crónica está en línea con los criterios de diagnóstico de las Directrices de tratamiento y prevención de la hepatitis B crónica de 2019 de China, y el diagnóstico de hígado graso no alcohólico está en línea con las directrices de la Asociación de Hepatología de Asia Pacífico.
- Las imágenes no mostraron cáncer de hígado
Criterio de exclusión:
- Existen contraindicaciones para la biopsia hepática.
- La patología hepática no cumplía los criterios.
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 |
|---|
|
fibrosis leve
T0-1
|
|
fibrosis hepática significativa
T2
|
|
Fibrosis hepática avanzada
T3-4
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Modelo de desarrollo
Periodo de tiempo: 2024.6-2024.12
|
Se extrajeron características de imágenes (como tomografías computarizadas, resonancias magnéticas, rayos X, etc.) y parámetros clínicos de los pacientes, incluidas las características iniciales de la población (como edad, sexo, comorbilidades, etc.), indicadores bioquímicos en sangre (como niveles de glucosa en sangre). , lípidos, indicadores de función hepática, etc.) e indicadores de citología sanguínea (como recuento de glóbulos blancos, recuento de glóbulos rojos, etc.).
Selección de casos completada y establecimiento de cohortes, extracción de características multimodales y desarrollo de modelos.
|
2024.6-2024.12
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Cree un sistema de plataforma en la nube de alerta temprana de fibrosis hepática multimodal de big data
Periodo de tiempo: 2025.1-2025.12
|
Tenemos la intención de diseñar una plataforma en la nube con componentes de almacenamiento, procesamiento y análisis de datos. Seleccione la pila de tecnología adecuada para garantizar que la plataforma tenga la capacidad de manejar datos a gran escala y tenga buena escalabilidad y rendimiento. La precisión de fibrosis hepática multimodal previamente construida Luego, el modelo de tipificación se integró en la plataforma, lo que garantiza que el modelo pueda manejar una variedad de tipos de datos e integrarse perfectamente con otros componentes de la plataforma. Al mismo tiempo, la tecnología de procesamiento de flujo se utiliza para integrar el monitoreo y análisis en tiempo real. función de la plataforma, para realizar una predicción y clasificación rápidas de los datos de casos de fibrosis hepática recién adquiridos. La precisión y estabilidad del modelo se verificaron aún más en los datos clínicos multicéntricos y en los datos multimodales de fibrosis hepática temprana. Se construyó un sistema de plataforma en la nube de advertencia.
|
2025.1-2025.12
|
Otras medidas de resultado
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Evaluación de la eficacia del sistema de plataforma de alerta de fibrosis hepática multimodal de big data
Periodo de tiempo: 2026.1-2026.12
|
Probar la eficacia del sistema de plataforma multimodal de alerta de fibrosis hepática de big data en un entorno clínico multicéntrico real.
También exploraremos la posibilidad de utilizar la plataforma para el seguimiento a largo plazo de los pacientes, pruebas remotas de los pacientes y evaluación periódica de la progresión de la enfermedad.
|
2026.1-2026.12
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Colaboradores
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)
20 de julio de 2024
Finalización primaria (Estimado)
31 de diciembre de 2024
Finalización del estudio (Estimado)
31 de diciembre de 2026
Fechas de registro del estudio
Enviado por primera vez
10 de julio de 2024
Primero enviado que cumplió con los criterios de control de calidad
16 de julio de 2024
Publicado por primera vez (Actual)
19 de julio de 2024
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
19 de julio de 2024
Última actualización enviada que cumplió con los criterios de control de calidad
16 de julio de 2024
Última verificación
1 de julio de 2024
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- KY2024072
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. .