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

Desarrollo de un sistema de IA multimodal para la gestión de GIST

3 de octubre de 2026 actualizado por: Qun Zhao

Desarrollo y Validación de un Modelo de Inteligencia Artificial Multimodal que Integra Radiómica por TC, Patómica y Características Clínicas para el Diagnóstico, Estratificación de Riesgo y Predicción del Genotipo de los Tumores del Estroma Gastrointestinal

Background: Gastrointestinal Stromal Tumors (GISTs) are the most common mesenchymal tumors of the gastrointestinal tract. Accurate pre-operative diagnosis, risk stratification, and genotyping are critical for determining the appropriate surgical approach and targeted therapy (such as Imatinib). However, current methods often rely on invasive postoperative pathology and expensive genetic testing.

Study Objective: The purpose of this study is to develop and validate a multimodal Artificial Intelligence (AI) model that integrates clinical data, CT radiomics (imaging features), and pathomics (digital pathology features) to improve the precision of GIST management.

Study Design: This is a prospective, observational study. The researchers will recruit patients with suspected gastric submucosal tumors who are scheduled for surgery or biopsy at The Fourth Hospital of Hebei Medical University.

Core Tasks: The AI model will be trained to perform three specific tasks:

Diagnosis: Distinguish GISTs from other non-GIST mesenchymal tumors (e.g., leiomyomas, schwannomas).

Risk Assessment: Stratify GISTs into risk categories (e.g., Low vs. High risk) to predict malignant potential.

Genotyping: Predict specific gene mutations (e.g., KIT or PDGFRA mutations) to guide immunotherapy or targeted therapy.

Methodology: Patient data (CT scans, pathology slides, and clinical history) will be collected and analyzed by the AI system. The AI's predictions will be compared against the "Gold Standard" results derived from postoperative pathological examination and Next-Generation Sequencing (NGS). This study is non-interventional; the AI results will not affect the standard of care received by the patients.

Descripción general del estudio

Tipo de estudio

De observación

Inscripción (Actual)

300

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.

Ubicaciones de estudio

    • Anhui
      • Fuyang, Anhui, Porcelana, 236003
        • The Fifth Affiliated Hospital of Anhui Medical University
    • Hebei
      • Baoding, Hebei, Porcelana, 071030
        • Baoding Central Hospital
      • Cangzhou, Hebei, Porcelana, 061000
        • Cangzhou People's Hospital
      • Hengshui, Hebei, Porcelana, 053099
        • Hengshui People's Hospital
      • Shijiazhuang, Hebei, Porcelana, 050011
        • Shijiazhuang People's Hospital
      • Xingtai, Hebei, Porcelana, 054000
        • The Second Affiliated Hospital of Xingtai Medical College
    • Hubei
      • Wuhan, Hubei, Porcelana, 430065
        • Renmin Hospital of Wuhan University
    • Hunan
      • Hengyang, Hunan, Porcelana, 421001
        • The First Affiliated Hospital of University of South China
    • Jiangsu
      • Nanjing, Jiangsu, Porcelana, 210002
        • Jinling Hospital

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

18 años y mayores (Adulto, Adulto Mayor)

Acepta Voluntarios Saludables

N/A

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

Patients presenting with gastric submucosal tumors (SMTs) who are admitted to the Department of Gastrointestinal Surgery at The Fourth Hospital of Hebei Medical University for surgical or endoscopic treatment. The cohort includes patients with subsequently pathologically confirmed GISTs and other mesenchymal tumors (e.g., leiomyoma, schwannoma).

Descripción

Inclusion Criteria:

Age ≥ 18 years, gender not limited.

Clinical diagnosis of gastric submucosal tumor (SMT) or suspected gastrointestinal stromal tumor (GIST) based on gastroscopy or ultrasound.

Scheduled for surgical resection or endoscopic biopsy at the study center.

Standard preoperative contrast-enhanced CT scans are available (performed within 2 weeks prior to surgery).

Patients or their legal guardians have signed the informed consent form.

Exclusion Criteria:

Received neoadjuvant therapy (e.g., Imatinib, chemotherapy, or radiotherapy) prior to surgery/biopsy.

Poor quality of CT images (e.g., severe motion artifacts) affecting radiomics analysis.

Insufficient tissue samples for pathological diagnosis or genetic testing.

Confirmed diagnosis of other primary malignancies.

Incomplete clinical data or lost to follow-up immediately after surgery.

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

  • Modelos observacionales: COHORT
  • Perspectivas temporales: PROSPECTIVE

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Diagnostic Accuracy of the AI Model for Distinguishing GIST from Non-GIST Tumors
Periodo de tiempo: Up to 30 days post-surgery

The diagnostic accuracy is calculated as the proportion of correctly classified patients (GIST vs. Non-GIST) by the multimodal AI model, compared to the gold standard postoperative pathological diagnosis.

Up to 30 days post-surgery

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Concordance Rate between AI-predicted Risk Grade and Pathological Modified NIH Criteria
Periodo de tiempo: Up to 30 days post-surgery

The proportion of patients whose risk category (Very Low/Low vs. Intermediate/High) predicted by the AI model matches the actual risk grade determined by postoperative pathology according to the modified National Institutes of Health (NIH) criteria. This will be reported as a percentage (0-100%)

Up to 30 days post-surgery
Sensitivity and Specificity of the AI Model in Predicting KIT/PDGFRA Gene Mutations
Periodo de tiempo: Up to 30 days post-surgery

The AI model's performance in identifying specific mutations (e.g., KIT exon 11, PDGFRA) compared to the results of Next-Generation Sequencing (NGS). Data will be reported as percentages with 95% confidence intervals.

Up to 30 days post-surgery
Area Under the Receiver Operating Characteristic Curve (AUC) for All Tasks
Periodo de tiempo: Up to 30 days post-surgery

The AUC values will be calculated to evaluate the overall performance of the AI model in diagnosis, risk stratification, and genotype prediction. Sensitivity and Specificity will also be reported.

Up to 30 days post-surgery

Colaboradores e Investigadores

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

Patrocinador

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 (Actual)

1 de marzo de 2026

Finalización primaria (Actual)

1 de julio de 2026

Finalización del estudio (Actual)

1 de julio de 2026

Fechas de registro del estudio

Enviado por primera vez

12 de febrero de 2026

Primero enviado que cumplió con los criterios de control de calidad

5 de marzo de 2026

Publicado por primera vez (Actual)

6 de marzo de 2026

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

6 de octubre de 2026

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

3 de octubre de 2026

Última verificación

1 de marzo de 2026

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

INDECISO

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