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

Multimodal Imaging and Digital Pathology for Prostate Cancer Prediction

25 de mayo de 2026 actualizado por: Fubo Wang, Guangxi Medical University

A Multicenter Study of a Deep Learning Model Based on Spatial Registration of Multimodal Imaging and Digital Pathology for Predicting Clinically Significant Prostate Cancer

This is a multicenter observational study. A deep learning model integrated with multimodal imaging and digital pathology spatial registration is built based on preoperative multiparametric magnetic resonance imaging, transrectal ultrasound and postoperative digital pathological whole slide images. The study is designed to achieve accurate prediction of clinically significant prostate cancer and non-invasive risk stratification. Unnecessary prostate biopsy and overdiagnosis can be reduced to support the optimization of clinical diagnosis and treatment strategies.

Descripción general del estudio

Descripción detallada

This prospective and retrospective multicenter observational study enrolls patients with suspected prostate cancer who receive standardized preoperative multiparametric magnetic resonance imaging, transrectal ultrasound examination, followed by prostate biopsy or radical prostatectomy. Complete clinical data including age, BMI, prostate specific antigen indicators, PI-RADS v2.1 scores, Gleason score and ISUP grading are collected from all eligible participants.

Biomechanically constrained non-rigid spatial registration technique is applied to achieve precise alignment between preoperative multimodal images and postoperative digital pathological whole slide images using high-quality multicenter datasets. A transformer-based multimodal deep learning fusion model is developed to analyze correlations between macroscopic imaging features and microscopic pathological heterogeneity, thereby establishing an interpretable artificial intelligence framework for clinically significant prostate cancer prediction.

Comprehensive model validation is conducted via internal cross-validation, external multicenter independent verification and international public datasets. Decision curve analysis and clinical impact curve are applied to assess clinical applicability. The model serves as an intelligent auxiliary tool to refine biopsy strategies, avoid redundant puncture and excessive treatment, and facilitate early precise diagnosis and risk stratification of prostate cancer.

Tipo de estudio

De observación

Inscripción (Estimado)

3000

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

Ubicaciones de estudio

    • Guangxi
      • Liuzhou, Guangxi, Porcelana, 545006
        • Reclutamiento
        • Liuzhou People's Hospital Affiliated to Guangxi Medical University
        • 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

No

Método de muestreo

Muestra no probabilística

Población de estudio

This is a prospective and retrospective multicenter cohort study. The study population consists of consecutive male subjects aged 40-90 years who are scheduled to undergo or have undergone prostate biopsy or radical prostatectomy, with complete standard-of-care preoperative multiparametric MRI (mpMRI), transrectal ultrasound (TRUS) images, and corresponding pathological diagnosis results. The collected data include:

  1. Preoperative mpMRI and TRUS images
  2. Digital whole-slide images of prostate biopsy specimens
  3. Digital whole-slide images of radical prostatectomy specimens (if performed) The prospective cohort will include newly enrolled subjects who provide written informed consent, while the retrospective cohort will include historical subjects with complete imaging, pathology slide, and clinical data from participating centers.

Descripción

Inclusion Criteria:

  1. Subjects who are scheduled to undergo or have undergone prostate biopsy or radical prostatectomy.
  2. Subjects who have completed standard-of-care preoperative multiparametric MRI (mpMRI) and transrectal ultrasound (TRUS) examinations.
  3. Subjects with complete pathological diagnosis results available.
  4. Age between 40 and 90 years.
  5. Able and willing to provide written informed consent (for prospective cohort participants only).

Exclusion Criteria:

  1. Prior history of pelvic radiation therapy or radical prostatectomy.
  2. Incomplete or poor-quality mpMRI or TRUS images (e.g., motion artifacts, insufficient sequences).
  3. Concurrent other primary malignant tumors.
  4. Severe systemic diseases that may affect the evaluation of the prostate.
  5. Subjects with incomplete clinical or pathological data.
  6. Contraindications to MRI examination (e.g., incompatible metallic implants, severe claustrophobia).

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
Area Under the Receiver Operating Characteristic Curve (AUC) for predicting clinically significant prostate cancer (csPCa)
Periodo de tiempo: Baseline (at the time of imaging/pathology data collection)
The diagnostic performance of the multimodal deep learning model in predicting clinically significant prostate cancer using preoperative imaging data from this prospective and retrospective multicenter cohort. The AUC will be calculated to evaluate the model's discriminative ability.
Baseline (at the time of imaging/pathology data collection)

Colaboradores e Investigadores

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

Investigadores

  • Investigador principal: Fubo Wang, MD, Guangxi Medical University

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Publicaciones Generales

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)

30 de mayo de 2025

Finalización primaria (Estimado)

30 de junio de 2030

Finalización del estudio (Estimado)

31 de diciembre de 2030

Fechas de registro del estudio

Enviado por primera vez

13 de mayo de 2026

Primero enviado que cumplió con los criterios de control de calidad

25 de mayo de 2026

Publicado por primera vez (Actual)

29 de mayo de 2026

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

29 de mayo de 2026

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

25 de mayo de 2026

Última verificación

1 de mayo de 2026

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Descripción del plan IPD

This study does not have a plan to share individual participant data due to institutional and ethical restrictions.

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