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

IA para Tumores Renales Mediante Tomografía Computarizada sin Contraste

13 de diciembre de 2025 actualizado por: Yajia Gu, MD, Fudan University

Un Modelo de Inteligencia Artificial para la Detección y Diagnóstico de Tumores Renales Basado en TC sin Contraste

El objetivo de este estudio observacional es determinar si el método de inteligencia artificial puede identificar y diagnosticar automáticamente lesiones renales mediante tomografía computarizada sin contraste o cribado oportunista.

Descripción general del estudio

Estado

Aún no reclutando

Condiciones

Descripción detallada

Este estudio establece primero un modelo de IA capaz de detectar y diagnosticar eficazmente lesiones renales basándose en un estudio de cohorte retrospectivo multicéntrico. Luego, el modelo de IA se aplica a una población retrospectiva y prospectiva a gran escala del mundo real para validar y mejorar su efectividad.

Tipo de estudio

De observación

Inscripción (Estimado)

10000

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: Yajia Gu, MD
  • Número de teléfono: +8621-64175590
  • Correo electrónico: guyajia@fudan.edu.cn

Copia de seguridad de contactos de estudio

  • Nombre: Bingni Zhou, MD
  • Número de teléfono: +8621-64175590
  • Correo electrónico: jobay2621405@126.com

Ubicaciones de estudio

  • Porcelana
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Porcelana, 200032
        • Fudan University Shanghai Cancer Center
        • Contacto:
        • Contacto:

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

N/A

Método de muestreo

Muestra de probabilidad

Población de estudio

Pacientes que se sometieron a un examen de tomografía computarizada abdominal.

Descripción

Criterios de inclusión:

  1. Pacientes que se sometieron a un examen de tomografía computarizada abdominal.
  2. Los pacientes con lesiones renales fueron manejados de acuerdo con las vías clínicas estándar, que incluyeron seguimiento, biopsia o cirugía.
  3. Las lesiones malignas fueron confirmadas patológicamente; las lesiones benignas fueron confirmadas por diagnóstico patológico o seguimiento por imágenes.
  4. No se había recibido tratamiento previo para la enfermedad renal.

Criterios de exclusión:

  1. Los pacientes se niegan a someterse al seguimiento, biopsia o cirugía recomendados, lo que impidió el diagnóstico definitivo de la lesión renal.
  2. Ausencia de confirmación patológica completa para lesiones sospechosas de ser malignas.
  3. Los pacientes han recibido cualquier forma de tratamiento previo para la lesión renal.
  4. Mala calidad de imagen que dificultó la evaluación diagnóstica.

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

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Desarrollando un sistema de diagnóstico inteligente para enfermedades renales basado en tomografías computarizadas.
Periodo de tiempo: 1 año
Para construir un sistema inteligente para la detección de masas renales y su diferenciación en quistes, neoplasias benignas y malignas.
1 año

Medidas de resultado secundarias

Medida de resultado
Periodo de tiempo
Desarrollar aún más el modelo de inteligencia artificial para diagnosticar eficazmente los tipos patológicos de tumores renales comunes.
Periodo de tiempo: 1 año
1 año

Colaboradores e Investigadores

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

Patrocinador

Fudan University

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 enero de 2026

Finalización primaria (Estimado)

1 de diciembre de 2028

Finalización del estudio (Estimado)

1 de diciembre de 2028

Fechas de registro del estudio

Enviado por primera vez

13 de diciembre de 2025

Primero enviado que cumplió con los criterios de control de calidad

13 de diciembre de 2025

Publicado por primera vez (Actual)

26 de diciembre de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

26 de diciembre de 2025

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

13 de diciembre de 2025

Última verificación

1 de octubre de 2025

Más información

Términos relacionados con este estudio

Palabras clave

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • 2509-Exp275

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. .

Suscribir