Tekoälyn sovellusarvo MRI-tarkkuusdiagnoosissa ja virtsarakon syövän hoidossa
tiistai 19. lokakuuta 2021 päivittänyt: The First Affiliated Hospital with Nanjing Medical University
Tuleva monikeskuskliininen tutkimus tekoälyn soveltamisarvosta MRI:n tarkkuusdiagnoosissa ja virtsarakon syövän hoidossa
Tämä tutkimus oli prospektiivinen, monikeskushavainnollinen kliininen tutkimus, johon suunniteltiin ottavan yhteensä 150 potilasta, joilla oli virtsarakon pahanlaatuinen kasvain ja jotka otettiin kunkin keskuksen urologian osastolle hoitoon ja joille tehtiin sähköinen resektio tai radikaali kystectomia.
Analysoidaksemme tekoälyn herkkyyttä, spesifisyyttä ja tarkkuutta ennakoitaessa postoperatiivista patologista vaihetta, ryhmään tulleita potilaita seurattiin 3 vuoden ajan, minkä jälkeen analysoimme tekoälyn ennustustulosten ja potilaan OS PFS RFS:n välistä korrelaatiota.
Alustavasti todettiin, että tekoälymallin tuloksilla on potentiaalia ennustaa virtsarakon syöpää sairastavien potilaiden ennustetta.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Ehdot
Yksityiskohtainen kuvaus
Esitutkimus: Tämä tutkimus on monialainen yhteistutkimus, jossa tekoälyä yhdistetään magneettiresonanssiin, se voi tarkentaa ennen leikkausta virtsarakon syövän vaiheen määritystä ja ohjaa kliinikon työntekijän hoitosuunnitelmaa.
Tällä hetkellä on rakennettu tekoälymalli, joka perustuu leikkausta edeltäviin magneettikuviin, ennustamaan vaihetta ja potilaan ennustetta.
Rakensimme staging-ennustusmallin syväoppivan tekoälyverkoston kautta ja keräsimme potilaiden magneettikuvadataa ja siihen liittyvää postoperatiivista patologista dataa, jonka jälkeen seurasimme 576 potilasta lavastusmallin rakentamisen perusteella.
Hankimalla potilaiden OS, PFS ja RFS, osa valittiin satunnaisesti koulutussarjaksi syväoppimisverkkomallin koulutukseen.
Toista osaa käytetään testisarjana sen tarkkuuden tarkistamiseksi.
Tämä tutkimus oli prospektiivinen, monikeskushavainnollinen kliininen tutkimus, johon suunniteltiin ottavan yhteensä 150 potilasta, joilla oli virtsarakon pahanlaatuinen kasvain ja jotka otettiin kunkin keskuksen urologian osastolle hoitoon ja joille tehtiin sähköinen resektio tai radikaali kystectomia.
Analysoidaksemme tekoälyn herkkyyttä, spesifisyyttä ja tarkkuutta ennakoitaessa postoperatiivista patologista vaihetta, ryhmään tulleita potilaita seurattiin 3 vuoden ajan, minkä jälkeen analysoimme tekoälyn ennustustulosten ja potilaan OS PFS RFS:n välistä korrelaatiota.
Alustavasti todettiin, että tekoälymallin tuloksilla on potentiaalia ennustaa virtsarakon syöpää sairastavien potilaiden ennustetta.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
150
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Jiangsu
-
Nanjing, Jiangsu, Kiina, 210000
- Rekrytointi
- The First Affiliated Hospital of Nanjing Medical University
-
Ottaa yhteyttä:
- Qiang Lu
- Puhelinnumero: 13505196501
- Sähköposti: dxhlvqiang@163.com
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Potilaat saavat magneettikuvauksen jokaisessa tutkimuskeskuksessa ja niille tehdään leikkaus.
Kuvaus
Sisällyttämiskriteerit:
- Preoperatiivinen tutkimus saa potilaan virtsarakon syöpään;
- Sukupuolta ei ole rajoitettu;
- 18 vuotta täyttänyt tai vanhempi;
- Voi tarjota ennen leikkausta MRI-kuvia;
- suostut toimittamaan henkilökohtaisia kliinisiä perustietoja sekä patologisia ja kuvantamistietoja tieteellistä tutkimusta varten ja allekirjoittamaan tietoisen suostumuksen;
- Sitoudu toimittamaan seurantatulokset toistumisen varalta seurantavalvonnan aikana.
Poissulkemiskriteerit:
- Potilas ei pystynyt toimittamaan ennen leikkausta MRI-kuvia, mukaan lukien MRI-kuvat neoadjuvanttihoidon jälkeen ja ennen leikkausta；
- Potilaat, joilla oli epätäydellisiä patologisia tietoja näytteistä, eivät pystyneet toimittamaan tarkkoja luokitus- ja luokittelutietoja；
- Potilaita ei voida leikata heidän omista syistään: vaikea sydämen vajaatoiminta, akuutti sydäninfarkti, vakavat sydän- ja keuhkosairaudet jne., he eivät siedä normaalia leikkaushoitoa;
- Potilaat, joille oli äskettäin tehty leikkaus (esim. TURBT) ennen magneettikuvausta;
- Tutkija uskoo, että on olemassa olosuhteita, jotka voivat heikentää tutkittavaa tai aiheuttaa sen, että tutkittava ei täytä tai suorita tutkimusvaatimuksia;
- Potilaat eivät pysty antamaan kirjallista tietoon perustuvaa suostumusta.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tutkia tekoälyn sovellusarvoa virtsarakon kasvainten tarkassa diagnoosissa ja hoidossa sekä parantaa virtsarakon syövän vaiheen ja asteen MRI-diagnoosin tarkkuutta tekoälyn avulla.
Aikaikkuna: 1 vuosi
|
2、Tekoälydiagnoosin tulosten ja leikkauksen kultaisten standardien tulosten yhteensopivuusanalyysin kautta tekoälydiagnoosin herkkyys, spesifisyys, positiivinen ennustearvo (PPV), negatiivinen ennustearvo (NPV) ennen leikkausta.
|
1 vuosi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kokonaisselviytyminen
Aikaikkuna: 3 vuotta leikkauksen jälkeen
|
Tekoälymallin ja OS:n välistä korrelaatiota virtsarakkosyöpäpotilailla analysoitiin, jotta voidaan alustavasti varmistaa tekoälymallitulosten potentiaalinen kyky ennustaa virtsarakkosyöpäpotilaiden ennustetta.
|
3 vuotta leikkauksen jälkeen
|
Muut tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
uusiutumaton selviytyminen
Aikaikkuna: 3 vuotta leikkauksen jälkeen
|
Tekoälymallin ja RFS:n välistä korrelaatiota virtsarakkosyöpäpotilailla analysoitiin, jotta voidaan alustavasti varmistaa tekoälymallitulosten potentiaalinen kyky ennustaa virtsarakon syöpäpotilaiden ennustetta.
|
3 vuotta leikkauksen jälkeen
|
|
etenemisvapaa selviytyminen
Aikaikkuna: 3 vuotta leikkauksen jälkeen
|
Tekoälymallin ja PFS:n välistä korrelaatiota virtsarakkosyöpäpotilailla analysoitiin, jotta voidaan alustavasti varmistaa tekoälymallitulosten potentiaalinen kyky ennustaa virtsarakon syöpäpotilaiden ennustetta.
|
3 vuotta leikkauksen jälkeen
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Yhteistyökumppanit
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Panebianco V, Narumi Y, Altun E, Bochner BH, Efstathiou JA, Hafeez S, Huddart R, Kennish S, Lerner S, Montironi R, Muglia VF, Salomon G, Thomas S, Vargas HA, Witjes JA, Takeuchi M, Barentsz J, Catto JWF. Multiparametric Magnetic Resonance Imaging for Bladder Cancer: Development of VI-RADS (Vesical Imaging-Reporting And Data System). Eur Urol. 2018 Sep;74(3):294-306. doi: 10.1016/j.eururo.2018.04.029. Epub 2018 May 10.
- Wang H, Luo C, Zhang F, Guan J, Li S, Yao H, Chen J, Luo J, Chen L, Guo Y. Multiparametric MRI for Bladder Cancer: Validation of VI-RADS for the Detection of Detrusor Muscle Invasion. Radiology. 2019 Jun;291(3):668-674. doi: 10.1148/radiol.2019182506. Epub 2019 Apr 23.
- Suarez-Ibarrola R, Hein S, Reis G, Gratzke C, Miernik A. Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer. World J Urol. 2020 Oct;38(10):2329-2347. doi: 10.1007/s00345-019-03000-5. Epub 2019 Nov 5.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Perjantai 1. tammikuuta 2021
Ensisijainen valmistuminen (Odotettu)
Sunnuntai 1. toukokuuta 2022
Opintojen valmistuminen (Odotettu)
Sunnuntai 1. tammikuuta 2023
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Torstai 7. lokakuuta 2021
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Tiistai 19. lokakuuta 2021
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 27. lokakuuta 2021
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 27. lokakuuta 2021
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 19. lokakuuta 2021
Viimeksi vahvistettu
Perjantai 1. lokakuuta 2021
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2021-SR-409
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .