Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Deep Learning Radiomics -malli kystektomian jälkeisten tulosten ennustamiseen lihasinvasiivisessa virtsarakon syövässä

tiistai 27. toukokuuta 2025 päivittänyt: Mingzhao Xiao, First Affiliated Hospital of Chongqing Medical University

Deep Learning Radiomics -malli kystektomian jälkeisten tulosten ennustamiseen preoperatiivisesta TT:stä lihasinvasiivisessa virtsarakon syövässä

Lihasinvasiivisen virtsarakon syövän (MIBC) ennuste on huono jopa radikaalin kystektomian jälkeen. Radiomiikkaan ja syväoppimiseen perustuva postoperatiivinen eloonjäämiskerrostuminen voi olla hyödyllistä hoitopäätöksissä ennusteen parantamiseksi. Tämän tutkimuksen tarkoituksena oli kehittää ja validoida syväoppimisradiomiikkamalli, joka perustuu preoperatiiviseen tehostettuun CT:hen, ennustamaan leikkauksen jälkeistä eloonjäämistä MIBC:ssä.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

500

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

  • Nimi: Zongjie Wei
  • Puhelinnumero: 023-89012557
  • Sähköposti: wzj9846@163.com

Opiskelupaikat

  • Kiina
    • Chongqing
      • Chongqing, Chongqing, Kiina, 400016
        • Rekrytointi
        • Department of Urology, The First Affiliated Hospital of Chongqing Medical University
        • Ottaa yhteyttä:

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

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

potilaat, joilla on patologisesti vahvistettu MIBC ja joille tehtiin radikaali kystectomia

Kuvaus

Sisällyttämiskriteerit:

  • potilaat, joilla on patologisesti vahvistettu MIBC radikaalin kystektomian jälkeen;
  • kontrasti-CT-skannaus alle kaksi viikkoa ennen leikkausta;
  • täydelliset CT-kuvatiedot ja kliiniset tiedot.

Poissulkemiskriteerit:

  • potilaat, jotka saivat neoadjuvanttihoitoa;
  • ei-uroteelinen karsinooma;
  • CT-kuvien huono laatu;
  • puutteelliset kliiniset ja seurantatiedot.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
MIBC
potilailla, joilla on patologisesti varmistettu MIBC radikaalin kystektomian jälkeen
Muut: kehittää ja validoida syväoppiva radiomiikkamalli, joka perustuu preoperatiiviseen tehostettuun CT-kuvaan
kehittää ja validoida syväoppimisradiomiikkamalli, joka perustuu ennen leikkausta tehostettuun TT:hen, ennustamaan leikkauksen jälkeistä eloonjäämistä MIBC:ssä

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kokonaiseloonjääminen (OS)
Aikaikkuna: jopa 10 vuotta
aika leikkauksesta kuolemaan mistä tahansa syystä tai viimeisen yhteydenoton päivämäärä (sensuroitu havainto) tietojen katkaisupäivänä.
jopa 10 vuotta
Toistuva eloonjääminen (RFS)
Aikaikkuna: jopa 10 vuotta
aika leikkauspäivästä ensimmäisen dokumentoidun taudin uusiutumisen päivämäärään. Potilaat, joilla ei ole uusiutumista analyysin aikana, sensuroidaan.
jopa 10 vuotta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

First Affiliated Hospital of Chongqing Medical University

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)

Tiistai 1. elokuuta 2023

Ensisijainen valmistuminen (Arvioitu)

Sunnuntai 1. kesäkuuta 2025

Opintojen valmistuminen (Arvioitu)

Sunnuntai 1. kesäkuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 12. lokakuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 18. lokakuuta 2023

Ensimmäinen Lähetetty (Todellinen)

Maanantai 23. lokakuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Lauantai 31. toukokuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 27. toukokuuta 2025

Viimeksi vahvistettu

Torstai 1. toukokuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • AI-BLCA
  • 2022-K508 (Muu tunniste: The First Affiliated Hospital of Chongqing Medical University)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

Tämän tutkimuksen aikana analysoidut aineistot eivät ole julkisesti saatavilla potilaiden yksityisyyden vuoksi, mutta ne ovat saatavilla vastaavalta kirjoittajalta kohtuullisesta pyynnöstä.

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Yhdysvalloissa valmistettu ja sieltä viety tuote

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 .

Tilaa