Tekoälymallit eturauhassyövän tarkkaan ennustamiseen ja hoitoon
sunnuntai 27. lokakuuta 2024 päivittänyt: Shao Pengfei
Eturauhassyövän tarkka ennustaminen ja hoito tekoälymallipohjaisilla kokodiakuvilla ja MRI-kuvilla
Tämän kliinisen tutkimuksen tavoitteena on, voidaanko tekoälymalleilla käyttää tarkkaa kliinistä preoperatiivista diagnoosia ja patologisten löydösten postoperatiivista diagnoosia sekä mitata myös tekoälymallien tekemien ennusteiden tarkkuutta. Mallin tärkeimmät kohdekysymykset rakennukset ovat:
- voiko tekoälymalli oppia ennen leikkausta MRI:stä ja leikkauksen jälkeisistä kokonaisista diakuvista, jotta se voi ennustaa tarkasti tietoa, kuten hyvänlaatuisuuden tai pahanlaatuisuuden, aggressiivisuuden, luokituksen, alatyypit, geenit jne. osallistujille, joilla epäillään eturauhassyöpää ennen leikkausta/punktuaalisesti.
- pystyykö tekoälymalli opettelemaan leikkauksen jälkeisiä makropatologian diat, jotta uusilla osallistujilla voidaan diagnosoida kirurgisen patologian diat.
Osallistujat:
- suorittaa MRI-tutkimus ja analysoida heidän MRI-kuvansa vakiintuneella tekoälymallilla, jotta niistä voidaan tehdä tarkka diagnoosi.
- Diagnoosin perusteella, jos eturauhassyöpää ennustetaan, heille tehdään radikaali eturauhassyöpäleikkaus ja jalostetaan kirurgista patologiaan.
Tutkimuksen yleiskatsaus
Tila
Ei vielä rekrytointia
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Tekoälyteknologiaan perustuva ennustemalli rakennetaan hahmottelemalla kvantitatiivinen kartoitus korrelaatio annotoidun eturauhassyövän kokonaisten diakuvien ja MRI:n välillä sekä selventämällä yhteisiä piirteitä.
Ensinnäkin mallilla voidaan tarkasti diagnosoida eturauhassyövän radikaali patologia, joka voidaan vapauttaa immunohistokemiasta yksityiskohtaisen patologisen tiedon saamiseksi; Toiseksi vakiintunut tekoälyn ennustemalli voi tarkasti diagnosoida eturauhassyövän hyvänlaatuisen/pahanlaatuisen, invasiivisuuden, asteen ja alatyypin ennustamalla osallistujan MRI-kuvat ennen leikkausta tai pistosta, jotta potilaalle voidaan laatia henkilökohtainen hoitosuunnitelma ennen leikkausta tai pistosta. .
Lopuksi tekoälyteknologiaan perustuva malli oppii MRI-kuvista ja suorittaa eturauhasen ja leesioiden 3D-rekonstruktiot ennen leikkausta/punktiota, mikä selventää leesioiden tarkan sijainnin ja ohjaa pistosta tai kirurgista hoitoa.
Opintotyyppi
Interventio
Ilmoittautuminen (Arvioitu)
200
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Pengfei Shao, Professor
- Puhelinnumero: 13851925825
- Sähköposti: spf032@hotmail.com
Tutki yhteystietojen varmuuskopiointi
- Nimi: Pan Zang, Postgraduate
- Puhelinnumero: 18914730216
- Sähköposti: 896381164@qq.com
Opiskelupaikat
-
-
Jiangsu
-
Nanjing, Jiangsu, Kiina, 210036
- The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
-
-
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
Joo
Kuvaus
Sisällön kriteerit:
- Potilaat, joilla epäillään PCa:ta (kohonnut PSA tai epäilyttävät positiiviset leesiot ultraääni- tai MRI-tuloksissa);
Poissulkemiskriteerit:
- Aiempi eturauhasen hoito missä tahansa muodossa, mukaan lukien leikkaus, sädehoito/kemoterapia, endokriininen hoito, kohdennettu hoito ja immunoterapia;
- Potilaat, joiden kliinisistä ja patologisista lähtötiedoista puuttuu jokin kohta;
- Potilaat, joilla on ollut muita pahanlaatuisia kasvaimia, vakavia samanaikaisia sairauksia tai muita terveysongelmia;
- Tietoon perustuvaa suostumuslomaketta ei voida toimittaa/allekirjoittaa;
- Potilaat, jotka tutkijan arvion mukaan katsotaan sopimattomiksi osallistumaan tähän kliiniseen tutkimukseen;
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Diagnostiikka
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Kolminkertaistaa
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Kokeellinen ryhmä
Tämä potilasryhmä saa ennusteita tekoälymallien avulla.
|
Diagnostinen testi: Tarkat ennustavat tekoälymallit Leikkauksen jälkeinen patologia, tarkka leikkausta edeltävä diagnoosi (mukaan lukien hyvänlaatuinen ja pahanlaatuinen, invasiivinen, luokittelu, alatyypit) tai 3D-leesiomallinnus ennustetaan tekoälyn ennustusmallin perusteella vastauksena annettuihin tietoihin
|
|
Ei väliintuloa: Ohjausryhmä
Tämä potilasryhmä ei saa tekoälymallien tukemia ennusteita.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Postradikaalisen eturauhassyövän patologian ennustaminen radikaalin eturauhasen poiston jälkeen käyttämällä kattavaa AUC-arviointimallia
Aikaikkuna: Kohteen ilmoittautumisesta ensimmäiseen leikkauksen jälkeiseen leikkaukseen, yleensä 30-90 päivää.
|
"AUC" viittaa alueeseen ROC (Receiver Operating Characteristic) -käyrän alla, joka osoittaa mallin suorituskyvyn ennakoitaessa eturauhassyövän immunohistokemiaan liittyvää patologista tietoa leikkauksen jälkeen, ja AUC vaihtelee välillä 0-1, suuremmalla arvolla. mikä osoittaa paremman ennustevaikutuksen.
|
Kohteen ilmoittautumisesta ensimmäiseen leikkauksen jälkeiseen leikkaukseen, yleensä 30-90 päivää.
|
|
Radikaalin jälkeisen patologian suorituskyvyn ennustaminen kattavalla AUC-arviointimallilla
Aikaikkuna: Kohteen ilmoittautumisesta ensimmäiseen leikkauksen jälkeiseen leikkaukseen, yleensä 30-90 päivää.
|
"AUC" viittaa alueeseen ROC (Receiver Operating Characteristic) -käyrän alla, mikä osoittaa mallin suorituskykytason eturauhassyövän ennustamisessa ennen leikkausta, ja AUC on välillä 0-1, ja suuremmat arvot osoittavat parempia ennustetuloksia.
|
Kohteen ilmoittautumisesta ensimmäiseen leikkauksen jälkeiseen leikkaukseen, yleensä 30-90 päivää.
|
|
"F1 Score" arvioida ennen leikkausta suoritetun 3D-mallinnuksen suorituskykyä
Aikaikkuna: Tutkittavien ilmoittautumisesta ensimmäiseen leikkauksen/punktion jälkeiseen toipumiseen, yleensä 30–90 päivää.
|
Leikkausta edeltävän 3D-mallinnuksen tarkkuuden ja palautuksen sovitettu keskiarvo, joka on arvioitu 'F1-pisteen' kautta, joka edustaa vastaavuutta todelliseen tilanteeseen.
|
Tutkittavien ilmoittautumisesta ensimmäiseen leikkauksen/punktion jälkeiseen toipumiseen, yleensä 30–90 päivää.
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Arvioi ennakoivan mallin ja kliinisen lähestymistavan välisen kustannuseron suuruus "taloudellisilla kustannussäästöillä"
Aikaikkuna: Tutkittavien ilmoittautumisesta ensimmäiseen leikkauksen/punktion jälkeiseen toipumiseen, yleensä 30–90 päivää.
|
Vertaa ennustemallilla syntyneiden kustannusten eroa kliinisellä lähestymistavalla ennustettuihin kustannuksiin, ero on juaneissa.
|
Tutkittavien ilmoittautumisesta ensimmäiseen leikkauksen/punktion jälkeiseen toipumiseen, yleensä 30–90 päivää.
|
|
"Diagnostinen aika" arvioi ajan, joka kuluu immunohistokemiaan liittyvän patologian ennustamiseen leikkauksen jälkeisellä jaksolla.
Aikaikkuna: Tutkittavien ilmoittautumisesta ensimmäiseen leikkauksen/punktion jälkeiseen toipumiseen, yleensä 30–90 päivää.
|
Aika, joka kuluu leikkauksen jälkeiseen ennustamiseen tai patologin auttamiseen immunohistokemiaan liittyvien patologisten tietojen saamisessa, arvioidaan "Diagnostic Time" -menetelmällä, ja se mitataan minuuteissa.
|
Tutkittavien ilmoittautumisesta ensimmäiseen leikkauksen/punktion jälkeiseen toipumiseen, yleensä 30–90 päivää.
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
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)
Sunnuntai 1. joulukuuta 2024
Ensisijainen valmistuminen (Arvioitu)
Tiistai 1. tammikuuta 2030
Opintojen valmistuminen (Arvioitu)
Tiistai 31. joulukuuta 2030
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Tiistai 13. elokuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Sunnuntai 27. lokakuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Tiistai 29. lokakuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 29. lokakuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Sunnuntai 27. lokakuuta 2024
Viimeksi vahvistettu
Tiistai 1. lokakuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
- Rintasyöpä In Situ
- Urogenitaaliset sairaudet
- Sukuelinten sairaudet
- Poikkeava motorinen käyttäytyminen dementiassa
- Sukuelinten kasvaimet, mies
- Urogenitaaliset kasvaimet
- Neoplasmat sivustoittain
- Neoplasmat
- Sukuelinten sairaudet, mies
- Eturauhasen sairaudet
- Miesten urogenitaaliset sairaudet
- Käyttäytymisoireet
- Neoplasmat histologisen tyypin mukaan
- Kasvaimet, rauhas- ja epiteelikasvaimet
- Adenokarsinooma
- Karsinooma
- Neoplasmat, kanava-, lobulaar- ja medullaariset kasvaimet
- Karsinooma in situ
- Eturauhasen kasvaimet
- Karsinooma, intraduktaalinen, ei-suodattava
- Aggressio
Muut tutkimustunnusnumerot
- Shao Pengfei
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 .