Modelo de aprendizaje profundo basado en espectroscopía Raman para el diagnóstico temprano del cáncer de pan
Un nuevo método basado en espectroscopía Raman para el diagnóstico temprano de los cánceres panorámicos respaldado por el aprendizaje profundo: un estudio prospectivo, de un solo brazo y multicéntrico
El objetivo de este estudio de observación es explorar si un enfoque de aprendizaje profundo basado en Raman puede usarse para desarrollar un método efectivo para la detección de pancáncer temprano. El estudio incluye individuos sanos y pacientes que corren el riesgo de cáncer y pacientes con cánceres diagnosticados. La pregunta principal que pretende responder es:
- Evalúe la precisión y la especificidad del modelo de aprendizaje profundo para identificar las características específicas del cáncer en los datos espectrales Raman y si este método puede clasificar con precisión a los pacientes en función del riesgo.
- Determine qué modelo es más adaptable para el espectro Raman
- Dé el análisis interpretable para el diagnóstico generado por el modelo Los participantes ya están siendo diagnosticados y seguimiento para determinar el tipo de cáncer.
Descripción general del estudio
Estado
Condiciones
- Cáncer de esófago
- Condiciones precancerosas
- Pancreatitis
- Úlcera gástrica
- Fisiología normal
- La detección del cáncer
- Cánceres gástricos
- Cáncer colorrectal (CCR)
- Esofagitis
- Diagnóstico de cáncer
- Cirrosis, Hígado
- Cáncer de hígado en adultos
- Cáncer de páncreas en adultos
- Adenoma Colon Pólipo
- Espectroscopia Raman
- Tumores malignos
- Modelo de aprendizaje profundo
Intervención / Tratamiento
Descripción detallada
Este estudio tiene como objetivo explorar el uso de modelos de aprendizaje profundo para clasificar a los pacientes en función del análisis de espectroscopía Raman de muestras de suero sanguíneo, distinguiendo entre individuos en condiciones fisiológicas y pacientes con varios tipos de tumores malignos. El estudio se realiza a través de una colaboración de múltiples centros, donde se recolectan muestras de sangre de participantes sanos y pacientes cuyo histopatológico diagnosticado en condiciones precancerosas y tumores malignos primarios.
Todas las muestras de sangre se recogen de los análisis de sangre clínicos de rutina de los pacientes realizados durante el ingreso hospitalario u otras evaluaciones médicas necesarias. El suero se extrae y se somete al análisis de espectroscopía Raman. Los datos espectrales experimentan una rigurosa tubería de preprocesamiento, que incluye el remuestreo de alineación para estandarizar los datos, la eliminación de línea de base para eliminar las variaciones no deseadas y la normalización para garantizar la uniformidad en todas las muestras. Asegurar que los datos estén en una forma óptima para la capacitación del modelo de aprendizaje profundo.
Luego se emplean varios modelos de aprendizaje profundo para analizar los espectros Raman procesados y desarrollar un sistema de clasificación capaz de distinguir entre los controles pan-cáncer y sanos. El conjunto de datos preprocesados se dividió en tres subconjuntos para la capacitación del modelo y la evaluación del rendimiento: 80% para capacitación, 10% para validación y 10% para pruebas. Los conjuntos de datos se aplican a la capacitación modelo para lograr patrones de identificación en los datos espectrales que se correlacionan con la presencia de cánceres específicos o un estado sano para lograr un diagnóstico clasificado.
Para mejorar la interpretabilidad de los modelos de aprendizaje profundo, se utiliza la cámara de posgrado (mapeo de activación de clase ponderado en gradiente) para visualizar el proceso de toma de decisiones de los modelos. Permitir la identificación de las regiones del espectro Raman que son más influyentes en la decisión de clasificación del modelo, proporcionando una comprensión transparente de cómo el modelo diferencia entre las diversas clases.
En última instancia, este estudio tiene como objetivo demostrar el potencial de la espectroscopía Raman combinada con técnicas de aprendizaje profundo para ofrecer un método no invasivo, preciso e interpretable para la detección y clasificación del cáncer, con implicaciones para el diagnóstico temprano y las estrategias de tratamiento personalizadas.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Jiasheng Xu, MD
- Número de teléfono: +86 18720996980
- Correo electrónico: 1821286450@qq.com
Ubicaciones de estudio
-
-
Jiangxi
-
Nanchang, Jiangxi, Porcelana, 330006
- Reclutamiento
- The First Affiliated Hospital to Nanchang University
-
Contacto:
- Yuhuan Jiang
- Número de teléfono: +86 18720998212
- Correo electrónico: 18166043076@163.com
-
Nanchang, Jiangxi, Porcelana, 330008
- Reclutamiento
- The Second Affiliated Hospital to Nanchang University
-
Contacto:
- Xiaozhong Wang
- Número de teléfono: +86 0791-86300410
- Correo electrónico: xiaozhongwangncu@163.com
-
-
Shanghai
-
Shanghai, Shanghai, Porcelana, 200040
- Reclutamiento
- Huashan Hospital Affiliated to Fudan University
-
Contacto:
- Ming Guan
- Número de teléfono: +86 19901643902
- Correo electrónico: guanming88@yahoo.com
-
-
Zhejiang
-
Hangzhou, Zhejiang, Porcelana, 310009
- Reclutamiento
- The Second Affiliated Hospital of Zhejiang University School of Medicine
-
Contacto:
- Kefeng Ding
- Número de teléfono: +86 13906504783
- Correo electrónico: dingkefeng@zju.edu.cn
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Diagnóstico histopatológico de tumores malignos, que incluyen cáncer colorrectal, cáncer gástrico, cáncer hepático, cáncer de páncreas y cáncer de esófago.
- Pacientes en condiciones fisiológicas normales sin tumores malignos o lesiones precancerosas.
- Los pacientes con tumor maligno sin recibir intervenciones, como quimioterapia, cirugía, radioterapia, inmunoterapia u otros tratamientos antitumorales.
- Pacientes con un diagnóstico histopatológico de cualquier lesión precancerosa o enfermedad no maligna.
Criterios de exclusión:
- Pacientes con tumores de metástasis o en la condición de dos o más tipos de tumores malignos al mismo tiempo
- Pacientes de tratamiento posterior al cáncer.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Fisiología normal
Pacientes sin cáncer o lesión precancerosa
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Cáncer colorrectal
Pacientes diagnosticados con cáncer colorrectal (preintervención)
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Cáncer gástrico
Pacientes diagnosticados con cáncer gástrico (preintervención)
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Cáncer hepático
Pacientes diagnosticados con cáncer hepático (preintervención)
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Duendario
Pacientes diagnosticados con cáncer de teesofágico (preintervención)
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Cáncer de páncreas
Pacientes diagnosticados con cáncer de páncreas (preintervención)
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Úlcera gástrica
Pacientes con úlceras gástricas sin cáncer
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Adenoma colorrectal
Pacientes con adenoma colorrectal sin cáncer
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Cirrosis hepática
Pacientes con cirrosis hepática sin cáncer
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Pancreatitis
Pacientes con pancreatitis sin cáncer
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
|
Duendecorial
Pacientes con oesofagitis sin cáncer
|
Todas las muestras de sangre de pacientes participantes se obtuvieron de análisis de sangre clínica de rutina realizadas durante el ingreso hospitalario u otras evaluaciones médicas necesarias, seguidas de extracción sérica.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Un modelo de aprendizaje profundo para la clasificación de la cáncer de alta precisión
Periodo de tiempo: Desde la inscripción del paciente hasta la finalización de la construcción del modelo, se espera finalizar dentro de los dos meses posteriores a la recopilación de datos.
|
Establezca modelos de aprendizaje profundo con alta especificidad y sensibilidad para la clasificación de pancericero, capaz de distinguir diferentes tipos de cáncer de pan (distinguir entre pacientes en condiciones fisiológicas, lesión precancerosa y tumor maligno) basado en la espectroscopía Raman.
|
Desde la inscripción del paciente hasta la finalización de la construcción del modelo, se espera finalizar dentro de los dos meses posteriores a la recopilación de datos.
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Características de cambio de Raman para la interpretación y visualización de la decisión del modelo
Periodo de tiempo: Desde el final del modelo, la construcción hasta el final del modelo de análisis interpretable: esperado 2 meses después de la construcción del modelo
|
Realización del análisis interpretable del diagnóstico derivado del resultado primario utilizando graduados para visualizar e ilustrar el proceso de toma de decisiones del modelo.
|
Desde el final del modelo, la construcción hasta el final del modelo de análisis interpretable: esperado 2 meses después de la construcción del modelo
|
Colaboradores e Investigadores
Colaboradores
Investigadores
- Silla de estudio: Kefeng Ding, MD, Department of Colorectal Surgery, The Second Hospital of Zhejiang University School of Medicine
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
- Enfermedades del sistema endocrino
- Procesos Patológicos
- Neoplasias por sitio
- Enfermedades intestinales
- Neoplasias por tipo histológico
- Neoplasias Gastrointestinales
- Neoplasias del Sistema Digestivo
- Enfermedades del Sistema Digestivo
- Enfermedades Gastrointestinales
- Enfermedades del Estómago
- Neoplasias Intestinales
- Enfermedades Rectales
- Neoplasias de glándulas endocrinas
- Neoplasias de Cabeza y Cuello
- Enfermedades pancreáticas
- Enfermedades del HIGADO
- Neoplasias Glandulares y Epiteliales
- Adenocarcinoma
- Neoplasias Hepaticas
- Enfermedades del Colon
- Enfermedades esofágicas
- Gastroenteritis
- Carcinoma
- Enfermedades Duodenales
- Úlcera péptica
- Neoplasias
- Neoplasias de Estómago
- Pancreatitis
- Carcinoma Hepatocelular
- Neoplasias colorrectales
- Neoplasias Esofágicas
- Enfermedad
- Neoplasias pancreáticas
- Fibrosis
- Cirrosis hepática
- Adenoma
- Esofagitis
- Úlcera estomacal
- Condiciones precancerosas
Otros números de identificación del estudio
- 2024-1060
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. .