Syväoppimismalli ennustaa keuhkosyövän patologisen täydellisen vasteen neoadjuvantti-immunokemoterapian jälkeen
maanantai 11. maaliskuuta 2024 päivittänyt: Wuhan Union Hospital, China
Tekoälymalli ennustaa keuhkosyövän patologisen täydellisen vasteen neoadjuvantti-immunokemoterapian jälkeen
Tämä tutkimus esittelee tekoälyn (AI) ennustusjärjestelmän kehittämistä ja validointia, joka hyödyntää ennen neoadjuvanttia immunoterapiaa suoritettuja tavallisia skannauksia ja tehostettuja multimodaalisia CT-skannauksia syvän oppimisominaisuuksien poimimiseksi.
Tavoitteena on ennustaa patologisen täydellisen vasteen esiintymistä ei-pienisoluisilla keuhkosyöpäpotilailla, jotka saavat neoadjuvantti-immunokemoterapiaa.
Tutkimuksen yleiskatsaus
Tila
Ei vielä rekrytointia
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Tässä tutkimuksessa saatiin takautuvasti ei-kontrastilla tehostettuja ja kontrastitehostettuja TT-skannauksia NSCLC-potilaista, joille tehtiin leikkaus neoadjuvantti-immunokemoterapian jälkeen.
useissa keskuksissa elokuun 2019 ja helmikuun 2023 välisenä aikana.
Syväoppimisominaisuuksia poimittiin sekä ei-sopimuksista parannetuista että sopimuksista tehostetuista TT-skannauksista ennustavien mallien (LUNAI-nCT-malli ja LUNAI-eCT-malli), vastaavasti.
Näiden kahden tyyppisten ominaisuuksien yhdistämisen jälkeen rakennettiin yhdistetty malli (LUNAI-fCT-malli).
Mallin suorituskykyä arvioitiin käyttämällä vastaanottimen toimintakäyrän alla olevaa aluetta (AUC), tarkkuutta, herkkyyttä, spesifisyyttä, positiivista ennustusarvoa (PPV) ja negatiivista ennustusarvoa (NPV).
SHapley Additive ExPlanations (SHAP) -analyysiä käytettiin määrittämään CT-kuvausominaisuuksien vaikutus mallin ennustamiseen.
Saadaksemme näkemyksiä siitä, miten mallimme tekee ennusteita, käytimme Gradient-weighted Class Activation Mapping (Grad-CAM) -toimintoa luomaan näkyvyyden lämpökarttoja.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
1000
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
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
potilaat, joilla on diagnosoitu ei-pienisolusyöpä ja joille on tehty leikkaus neoadjuvanttikemoimmunoterapiahoidon jälkeen
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, joilla on ei-pienisoluinen keuhkosyöpä, joka on diagnosoitu biopsialla ja kliinisesti luokiteltu vaiheeseen IB–III;
- Potilaat, jotka saavat vähintään kaksi neoadjuvanttiimmunoterapiasykliä yhdistettynä kemoterapian induktiohoitoon;
- IASLC:n ohjeiden mukaan postoperatiivinen patologinen arviointi suoritettiin tuumorin primaarisen leesion ja imusolmukkeiden hoitovasteelle.
Poissulkemiskriteerit:
- Puuttuva tai riittämätön TT:n laatu;
- Aikaväli TT:n ja hoidon aloittamisen välillä on yli 1 kuukausi;
- Epätäydelliset kliinispatologiset tiedot.
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 |
|---|---|
|
Koulutuksen tietojoukko
potilaat, joilla on diagnosoitu ei-pienisolusyöpä ja joille tehtiin leikkaus neoadjuvanttikemoimmunoterapiahoidon jälkeen sairaalassa 1 (Tongji Medical College Affiliated Union Hospital)
|
Suurien määrien kvantitatiivisten kuvaominaisuuksien tehokas erottaminen lääketieteellisistä kuvista
|
|
testidata
potilaat, joilla on diagnosoitu ei-pienisolusyöpä ja joille on tehty leikkaus neoadjuvanttikemoimmunoterapiahoidon jälkeen sairaalassa (Zhengzhoun yliopiston ensimmäinen sidossairaala, Yichangin keskussairaala, Anyang Cancer Hospital)
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
ennustusmallin tarkkuus, herkkyys, spesifisyys, positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV)
Aikaikkuna: Perushoito
|
useita mittareita laskettiin, mukaan lukien tarkkuus, herkkyys, spesifisyys, positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV).
|
Perushoito
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
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 (Arvioitu)
Perjantai 1. maaliskuuta 2024
Ensisijainen valmistuminen (Arvioitu)
Maanantai 1. joulukuuta 2025
Opintojen valmistuminen (Arvioitu)
Sunnuntai 1. maaliskuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Torstai 22. helmikuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Torstai 22. helmikuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Torstai 29. helmikuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 13. maaliskuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Maanantai 11. maaliskuuta 2024
Viimeksi vahvistettu
Torstai 1. helmikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- LUNAI
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
PÄÄTTÄMÄTÖN
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 .