Syvän oppimismallin kehittäminen ja validointi etäisten etäpesäkkeiden ennustamiseksi nenänielun karsinoomassa käyttämällä koko liukukuvausta ja MRI: tä
perjantai 21. helmikuuta 2025 päivittänyt: Pu-Yun OuYang, Sun Yat-sen University
Nenänielun ja imusolmukkeiden syvän oppimisen mallin kehittäminen ja monikeskus validointi, joka perustuu koko diojen kuvantamiseen ja magneettikuvaukseen etäisten metastaasien ennustamiseksi diagnoosissa nenänielun karsinoomassa diagnoosissa
AI -malli kehitettiin ennustamaan kaukaisen etäpesäkkeiden todennäköisyys nenänielun syöpäpotilailla, jotka perustuvat primaarikasvaimen patologian dioihin ja MRI -skannauksiin.
Malli validoitiin useiden keskuksien tietojen avulla.
Sitten sitä sovellettiin potilaille, joilla oli pitkälle edenneet vaiheet, joita suositellaan suorittamaan PET/CT -skannaukset NCCN- tai CSCO -ohjeiden perusteella.
Tämä AI -malli voi seuloa potilaat tarkasti, joilla on suuri etägetastaasien riski alkuperäisen diagnoosin yhteydessä PET/CT: n saamiseksi, välttää liiallista tutkimusta potilaista, joilla on alhainen etägetastaasien riski, säästää lääketieteellisiä resursseja ja vähentää potilaiden taloudellista taakkaa.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Yksityiskohtainen kuvaus
AI-malli rakennettiin nenänielun ja kaulan primaarisen vaurion ja MRI: n värjättyjen patologisten osien perusteella kaukaisen metastaasin todennäköisyyden ennustamiseksi ensimmäisellä vierailulla, ja AI-malli varmistettiin kokonaan monikeskuksen tiedoilla; AI-mallia sovellettiin T3-4- tai N2-3-potilaille, joille suositeltiin suorittamaan PET/CT-tutkimusta NCCN- ja CSCO-ohjeiden mukaisesti, ja AI-mallin kynnysarvo, kun negatiivinen ennustearvo M0: n ennustamiselle oli vähintään 95% määritettiin, mikä antoi teoreettisen tuen potilaille, jotka AI ennusti vapautettavan PET/CT -tutkimuksesta.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
500
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Pu-Yun OuYang
- Puhelinnumero: +8618565382769
- Sähköposti: ouyangpy@sysucc.org.cn
Opiskelupaikat
-
-
Guangdong
-
Guangzhou, Guangdong, Kiina, 510060
- Rekrytointi
- Sun Yat-sen University Cancer Center
-
Ottaa yhteyttä:
- Pu-Yun OuYang
- Puhelinnumero: +86 18565382769
- Sähköposti: ouyangpy@sysucc.org.cn
-
Ottaa yhteyttä:
- Pu-Yun OuYang
- Sähköposti: ouyangpy@sysucc.org.cn
-
Guangzhou, Guangdong, Kiina, 510060
- Ei vielä rekrytointia
- Department of Radiation Oncology, Sun Yat-sen University Cancer Center
-
Ottaa yhteyttä:
- Pu-Yun OuYang
- Puhelinnumero: 86+020-87342925
- Sähköposti: ouyangpy@sysucc.org.cn
-
Ottaa yhteyttä:
- Pu-Yun OuYang
-
-
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 nenänielun karsinooma
Kuvaus
Sisällyttämiskriteerit:
A. Ensisijainen vaurio vahvistettiin patologisesti nenänielun karsinoomana (WHO: n luokittelu on I, II ja III); B. Vaihe oli T3-4 tai N2-3, ja nenäniarnx + kaulan MRI-tavallinen skannaus ja parannettu skannaus suoritettiin nenänielun ja kohdunkaulan imusolmukkeiden vaurioiden ja PET/CT: n tai tavanomaisen tutkimuksen vahvistamiseksi (rintakehän CT Plain Scan + parannettu Skannaus, ylempi vatsan CT tai MRI Plain Skannaus + tehostettu skannaus tai vatsan väri Doppler -ultraääni tai ultraääni angiografia ja Koko kehon luun kuvantaminen) suoritettiin etäisten etäpesäkkeiden seulomiseksi.
Poissulkemiskriteerit:
Muiden pahanlaatuisten kasvainten aikaisempi historia (kuten muut pään ja kaulan okasolusolukarsinoomat, kilpirauhassyöpä, rintasyöpä, ruokatorven syöpä jne.).
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 |
|---|
|
Mahdollinen validointikohortti
Potilaiden osallistuminen AI -mallin diagnostisen tehokkuuden validoimiseksi
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Negatiivinen ennustava arvo
Aikaikkuna: Tutkimuksen valmistumisen aikana keskimäärin 2 vuotta
|
NPV mittaa ennustettujen negatiivisten tapausten osuuden, jotka ovat tosiasiallisesti negatiivisia.
Se kertoo meille, kuinka luotettava malli on, kun se ennustaa negatiivisen lopputuloksen.
|
Tutkimuksen valmistumisen aikana keskimäärin 2 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Herkkyys, spesifisyys ja positiivinen ennustava arvo
Aikaikkuna: Tutkimuksen valmistumisen aikana keskimäärin 2 vuotta
|
AI: n herkkyys, spesifisyys ja positiivinen ennustearvo etäisen etäpesäkkeiden ennustamisessa kynnyksellä, joka vastaa negatiivista ennustearvoa 95%.
|
Tutkimuksen valmistumisen aikana keskimäärin 2 vuotta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- OuYang PY, He Y, Guo JG, Liu JN, Wang ZL, Li A, Li J, Yang SS, Zhang X, Fan W, Wu YS, Liu ZQ, Zhang BY, Zhao YN, Gao MY, Zhang WJ, Xie CM, Xie FY. Artificial intelligence aided precise detection of local recurrence on MRI for nasopharyngeal carcinoma: a multicenter cohort study. EClinicalMedicine. 2023 Aug 30;63:102202. doi: 10.1016/j.eclinm.2023.102202. eCollection 2023 Sep.
- Zhong L, Dong D, Fang X, Zhang F, Zhang N, Zhang L, Fang M, Jiang W, Liang S, Li C, Liu Y, Zhao X, Cao R, Shan H, Hu Z, Ma J, Tang L, Tian J. A deep learning-based radiomic nomogram for prognosis and treatment decision in advanced nasopharyngeal carcinoma: A multicentre study. EBioMedicine. 2021 Aug;70:103522. doi: 10.1016/j.ebiom.2021.103522. Epub 2021 Aug 11.
- Qiang M, Li C, Sun Y, Sun Y, Ke L, Xie C, Zhang T, Zou Y, Qiu W, Gao M, Li Y, Li X, Zhan Z, Liu K, Chen X, Liang C, Chen Q, Mai H, Xie G, Guo X, Lv X. A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma. J Natl Cancer Inst. 2021 May 4;113(5):606-615. doi: 10.1093/jnci/djaa149.
- Lin L, Dou Q, Jin YM, Zhou GQ, Tang YQ, Chen WL, Su BA, Liu F, Tao CJ, Jiang N, Li JY, Tang LL, Xie CM, Huang SM, Ma J, Heng PA, Wee JTS, Chua MLK, Chen H, Sun Y. Deep Learning for Automated Contouring of Primary Tumor Volumes by MRI for Nasopharyngeal Carcinoma. Radiology. 2019 Jun;291(3):677-686. doi: 10.1148/radiol.2019182012. Epub 2019 Mar 26.
- OuYang PY, Zhang BY, Guo JG, Liu JN, Li J, Peng QH, Yang SS, He Y, Liu ZQ, Zhao YN, Li A, Wu YS, Hu XF, Chen C, Han F, You KY, Xie FY. Deep learning-based precise prediction and early detection of radiation-induced temporal lobe injury for nasopharyngeal carcinoma. EClinicalMedicine. 2023 Apr 4;58:101930. doi: 10.1016/j.eclinm.2023.101930. eCollection 2023 Apr.
- Sun XS, Liu SL, Luo MJ, Li XY, Chen QY, Guo SS, Wen YF, Liu LT, Xie HJ, Tang QN, Liang YJ, Yan JJ, Lin DF, Bi MM, Liu Y, Liang YF, Ma J, Tang LQ, Mai HQ. The Association Between the Development of Radiation Therapy, Image Technology, and Chemotherapy, and the Survival of Patients With Nasopharyngeal Carcinoma: A Cohort Study From 1990 to 2012. Int J Radiat Oncol Biol Phys. 2019 Nov 1;105(3):581-590. doi: 10.1016/j.ijrobp.2019.06.2549. Epub 2019 Jul 15.
- Tang LQ, Chen QY, Fan W, Liu H, Zhang L, Guo L, Luo DH, Huang PY, Zhang X, Lin XP, Mo YX, Liu LZ, Mo HY, Li J, Zou RH, Cao Y, Xiang YQ, Qiu F, Sun R, Chen MY, Hua YJ, Lv X, Wang L, Zhao C, Guo X, Cao KJ, Qian CN, Zeng MS, Mai HQ. Prospective study of tailoring whole-body dual-modality [18F]fluorodeoxyglucose positron emission tomography/computed tomography with plasma Epstein-Barr virus DNA for detecting distant metastasis in endemic nasopharyngeal carcinoma at initial staging. J Clin Oncol. 2013 Aug 10;31(23):2861-9. doi: 10.1200/JCO.2012.46.0816. Epub 2013 Jul 15. Erratum In: J Clin Oncol. 2016 Feb 10;34(5):519. doi: 10.1200/jco.2015.66.3427.
- Xiao BB, Lin DF, Sun XS, Zhang X, Guo SS, Liu LT, Luo DH, Sun R, Wen YF, Li JB, Lv XF, Han LJ, Yuan L, Liu SL, Tang QN, Liang YJ, Li XY, Guo L, Chen QY, Fan W, Mai HQ, Tang LQ. Nomogram for the prediction of primary distant metastasis of nasopharyngeal carcinoma to guide individualized application of FDG PET/CT. Eur J Nucl Med Mol Imaging. 2021 Jul;48(8):2586-2598. doi: 10.1007/s00259-020-05128-8. Epub 2021 Jan 8.
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)
Lauantai 15. helmikuuta 2025
Ensisijainen valmistuminen (Arvioitu)
Torstai 31. joulukuuta 2026
Opintojen valmistuminen (Arvioitu)
Torstai 31. joulukuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Perjantai 14. helmikuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 14. helmikuuta 2025
Ensimmäinen Lähetetty (Todellinen)
Tiistai 25. maaliskuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 25. maaliskuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 21. helmikuuta 2025
Viimeksi vahvistettu
Lauantai 1. helmikuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
- Stomatognaattiset sairaudet
- Patologiset prosessit
- Neoplasmat sivustoittain
- Neoplasmat
- Neoplasmat histologisen tyypin mukaan
- Pään ja kaulan kasvaimet
- Kasvaimet, rauhas- ja epiteelikasvaimet
- Neoplastiset prosessit
- Karsinooma
- Otorinolaryngologiset sairaudet
- Nielun kasvaimet
- Otorinolaryngologiset kasvaimet
- Nenänielun sairaudet
- Nielun sairaudet
- Nenänielun kasvaimet
- Nenänielun karsinooma
- Neoplasman metastaasit
Muut tutkimustunnusnumerot
- B2025-062-01
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
IPD-suunnitelman kuvaus
Yksittäiset osallistujien tiedot (IPD) ei ehkä ole jaettu potilaan yksityisyyden, eettisten näkökohtien tai institutionaalisten politiikkojen huolenaiheiden vuoksi.
Rajoitukset voivat johtua myös tietosuojamääräyksistä, luottamuksellisuutta koskevista sopimuksista tai uudelleen tunnistamisriskistä.
Lisäksi, jos tiedot sisältävät arkaluontoisia lääketieteellisiä tietoja, jakaminen voi vaatia erityisiä hyväksyntöjä tai tunnistamisprosesseja, jotka eivät ole toteutettavissa.
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 .