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

Tekoälyn ohjaama syöpädiagnoosi ja ennustaminen EHR:n avulla

perjantai 25. heinäkuuta 2025 päivittänyt: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Tekoälyyn perustuva syöpädiagnoosi ja -ennuste sähköisten terveystietojen avulla

Tämä on monikeskus, retrospektiivinen kliininen tutkimus, joka on suunniteltu arvioimaan AI-avustetun ennustemallin soveltamista ja tehokkuutta syövän tunnistamiseksi ja diagnosoimiseksi, hyödyntämällä multimodaalisia terveystietoja.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Syövän diagnoosi ja varhainen havaitseminen ovat ratkaisevan tärkeitä potilaiden tulosten ja eloonjäämisasteiden parantamiseksi. Syöpien varhainen tunnistaminen ja asianmukaiset toimenpiteet voivat vaikuttaa merkittävästi hoidon onnistumiseen ja ennusteeseen. Kliinisessä käytännössä onkologien on usein yhdistettävä erilaisia ​​potilastietoja, mukaan lukien sairaushistoria, laboratoriotutkimustulokset, kuvantamistiedot, kuten TT-skannaukset ja MRI-kuvat, sekä geneettiset markkerit tarkan diagnoosin tekemiseksi ja henkilökohtaisen hoitosuunnitelman laatimiseksi. Kun tarkkuuslääketiede tulee yhä tärkeämmäksi, haasteena on edelleen tunnistaa syöpä varhaisessa vaiheessa, varsinkin kun oireet ovat vähäisiä tai puuttuvat. Viimeaikaiset edistysaskeleet tekoäly- ja data-analyysitekniikoissa ovat osoittaneet suuria lupauksia syövän havaitsemisen diagnostisen tarkkuuden ja nopeuden parantamisessa. Tämän tutkimuksen tavoitteena on kehittää tekoälyavusteinen päätöksentekojärjestelmä integroimalla multimodaalista tietoa sähköisistä terveyskertomuksista, kuvantamista, laboratoriotuloksia ja geneettisiä tietoja. Tavoitteena on parantaa diagnostista tarkkuutta, optimoida kliinisiä työnkulkuja ja tarjota yksilöllisempiä hoitovaihtoehtoja syöpäpotilaille. Viime kädessä tämä järjestelmä pyrkii parantamaan varhaista havaitsemista, ohjaamaan tehokkaita hoitostrategioita ja parantamaan potilaiden eloonjäämisastetta.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

1000000

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

  • Kiina
    • Guangdong
      • Guangzhou, Guangdong, Kiina
        • Rekrytointi
        • Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
        • Ottaa yhteyttä:
      • Guangzhou, Guangdong, Kiina
        • Rekrytointi
        • Guangzhou Women and Children's Medical Center
        • Ottaa yhteyttä:
      • Guangzhou, Guangdong, Kiina
        • Rekrytointi
        • Nanfang Hospital
        • Ottaa yhteyttä:
      • Guangzhou, Guangdong, Kiina
        • Rekrytointi
        • Sun Yat-sen University Cancer Hospital
        • Ottaa yhteyttä:
    • Sichuan
      • Chengdu, Sichuan, Kiina
        • Rekrytointi
        • West China Hospital
        • Ottaa yhteyttä:
    • Zhejiang
      • Wenzhou, Zhejiang, Kiina
        • Rekrytointi
        • First Affiliated Hospital of Wenzhou Medical University
        • Ottaa yhteyttä:
      • Wenzhou, Zhejiang, Kiina
        • Rekrytointi
        • Second Affiliated Hospital of Wenzhou 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

Joo

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Tutkimuspopulaatio koostuu 0–90-vuotiaista henkilöistä, jotka ovat saaneet hoitoa osallistuvissa opintokeskuksissa. Osallistujilla on oltava saatavilla kattavat sähköiset terveystiedot (EHR), mukaan lukien sairaushistoria, laboratoriotestien tulokset, kuvantamistiedot ja geneettiset tiedot (jos saatavilla). Sekä yksilöt, joilla on diagnosoitu syöpä (mukaan lukien lasten ja aikuisten syövät) että terveet henkilöt, joilla ei ole aiemmin ollut syöpää, otetaan mukaan tutkimukseen, jotta voidaan arvioida tekoälyavusteisen mallin diagnostisia ja ennustavia ominaisuuksia. Tutkimus keskittyy potilaisiin, joilla on täydelliset ja dokumentoidut hoitotiedot osallistuvista keskuksista, mikä varmistaa monipuolisen analyysikohortin eri ikäryhmistä ja syöpätyypeistä.

Kuvaus

Sisällyttämiskriteerit:

1 、 Potilaat, joilla on kattava sähköinen terveystiedot (EHR), mukaan lukien sairaushistoria, laboratoriotestitulokset, kuvantamistiedot ja geneettinen tieto (jos saatavilla).

2. Henkilöt, joilla ei ole vakavia kognitiivisia häiriöitä tai sairauksia, jotka estäisivät heitä antamasta tietoon perustuvaa suostumusta tai osallistumasta tutkimukseen.

3. Vanhempien tai huoltajien on annettava tietoinen suostumus alaikäisille, kun taas aikuisten osallistujien on annettava itselleen tietoinen suostumus.

Poissulkemiskriteerit:

  1. Potilaat, joilla on puutteelliset tai puuttuvat keskeiset sähköiset terveystiedot tai riittämättömät seurantatiedot.
  2. Henkilöt, joilla on vakavia kognitiivisia häiriöitä tai muita kuolemaan johtavia sairauksia, jotka estäisivät mielekkään osallistumisen.
  3. Raskaana olevat naiset (vaikka lasten syöpiä harkitaan, raskaana olevat naiset suljettaisiin turvallisuussyistä pois).

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
Terveellinen kohortti
Tämä ryhmä koostuu henkilöistä, joilla ei ole diagnosoitua syöpää. Tämän kohortin osallistujat toimivat vertailuryhmänä koeryhmään verrattuna. Tälle kohortille ei anneta interventioita tai hoitoja, koska ne edustavat terveiden yksilöiden lähtötasoa.
Diagnostinen testi: AI-pohjainen diagnostinen ja prognostinen malli
Tämä toimenpide sisältää tekoälyjärjestelmän, joka integroi multimodaalista tietoa, mukaan lukien potilaan sairaushistorian, laboratoriotestien tulokset, kuvantamistiedot ja geneettiset tiedot, ennustamaan syövän riskiä. Järjestelmä käyttää syväoppimisalgoritmeja tarjotakseen reaaliaikaisia, tarkkoja ennusteita, mikä mahdollistaa syöpäriskien varhaisen tunnistamisen. Analysoimalla historiallisia terveystietoja mallin tavoitteena on ennustaa syövän mahdollisia kehityskulkuja ja parantaa varhaista havaitsemista ja hoitotuloksia.
Tuumorikohortti
Tämä ryhmä koostuu henkilöistä, joilla on diagnosoitu syöpä, mukaan lukien eri tyypit. Tämän kohortin osallistujat toimivat koeryhmänä arvioimaan varhaisen ennustemallin tehokkuutta syöpäriskien tunnistamisessa ja diagnoosin tarkkuuden parantamisessa.
Diagnostinen testi: AI-pohjainen diagnostinen ja prognostinen malli
Tämä toimenpide sisältää tekoälyjärjestelmän, joka integroi multimodaalista tietoa, mukaan lukien potilaan sairaushistorian, laboratoriotestien tulokset, kuvantamistiedot ja geneettiset tiedot, ennustamaan syövän riskiä. Järjestelmä käyttää syväoppimisalgoritmeja tarjotakseen reaaliaikaisia, tarkkoja ennusteita, mikä mahdollistaa syöpäriskien varhaisen tunnistamisen. Analysoimalla historiallisia terveystietoja mallin tavoitteena on ennustaa syövän mahdollisia kehityskulkuja ja parantaa varhaista havaitsemista ja hoitotuloksia.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Alue käyrän alla (AUC)
Aikaikkuna: Yksi vuosi
ROC-käyrän AUC, jota käytetään diagnostisen tarkkuuden määrittämiseen. Ei yksikköä (suhde tai prosenttiosuus, joka ilmaistaan ​​tyypillisesti numerona 0–1).
Yksi vuosi
F1 -pisteet
Aikaikkuna: 1 vuosi
F1-pistemäärä on tarkkuuden ja herkkyyden harmoninen keskiarvo (palauttaminen). Se on hyvä mittari mallin kyvylle tunnistaa sekä todellisia positiivisia että minimoida vääriä positiivisia, erityisesti tapauksissa, joissa luokat ovat epätasapainossa (esim. kun terveiden tapausten määrä on paljon suurempi kuin sairaustapausten määrä). F1-pisteet vaihtelevat 0–1, ja 1 ilmaisee täydellistä tarkkuutta ja muistamista.
1 vuosi

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Herkkyys (todellinen positiivinen nopeus)
Aikaikkuna: Yksi vuosi
Herkkyys mittaa, kuinka hyvin AI -malli tunnistaa todelliset positiiviset tapaukset, kuten diagnosoida raskaana olevat naiset oikein komplikaatioilla tai vastasyntyneen häiriöiden tunnistaminen.
Yksi vuosi
Spesifisyys (tosi negatiivinen osuus)
Aikaikkuna: 1 vuosi
Spesifisyys mittaa tekoälymallin kykyä tunnistaa oikein tapaukset ilman sairauksia ja varmistaa, että terveet äidit ja vauvat tunnistetaan oikein negatiivisiksi.
1 vuosi

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

The Eye Hospital of Wenzhou 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)

Sunnuntai 19. tammikuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 1. lokakuuta 2025

Opintojen valmistuminen (Arvioitu)

Keskiviikko 1. lokakuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Sunnuntai 19. tammikuuta 2025

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Sunnuntai 19. tammikuuta 2025

Ensimmäinen Lähetetty (Todellinen)

Perjantai 24. tammikuuta 2025

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Keskiviikko 30. heinäkuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 25. heinäkuuta 2025

Viimeksi vahvistettu

Tiistai 1. heinäkuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • Cancer

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

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