- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT07263711
Prospektiivinen reaalimaailman tutkimus patologian tekoälystä gliooman molekyylisen ennustamisen kannalta
Prospektiivinen reaalimaailman tutkimus patologian tekoälystä glioomien molekulaaristen muutosten ennustamisessa
Tämän kliinisen tutkimuksen tavoitteena on selvittää, pystyykö tekoälymalli (AI) ennustamaan tarkasti gliomien, erään aivokasvaintyypin, tärkeitä molekyylitasoisia muutoksia käyttämällä digitaalisen patologian kuvia.
Pääkysymykset, joihin tämä tutkimus pyrkii vastaamaan, ovat:
Kuinka tarkka tekoälymalli on ennustamaan keskeisiä molekyylisiä muutoksia verrattuna standardimolekyylitesteihin? Pystyykö tekoälymalli lyhentämään diagnoosiaikaa ja vähentämään kalliiden molekyylitestien tarvetta?
Tutkijat keräävät kokoslajikuvia useista sairaaloista ja käyttävät tekoälymallia molekyylitulosten ennustamiseen. Ennusteita verrataan todellisiin testituloksiin standardilaboratoriomenetelmillä.
Osallistujat:
Sallivat patologiakuvien ja molekyylitestitulostensa käytön tutkimustarkoituksessa.
Eivät saa lisähoitoja tai toimenpiteitä normaalin lääketieteellisen hoidon ulkopuolella.
Tämä tutkimus auttaa selvittämään, voivatko tekoälyn avulla toteutetut työkalut tarjota nopeamman ja edullisemman molekyylidiagnoosin gliomalle, parantaen potilashoitoa ja tukien tasa-arvoista pääsyä tarkkahoitoon.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: DANYI LI
- Puhelinnumero: +8613538308634
- Sähköposti: lidanyi26@163.com
Opiskelupaikat
-
-
Guangdong
-
Guangzhou, Guangdong, Kiina, 510515
- Rekrytointi
- Nanfang Hospital, Southern Medical University
-
Ottaa yhteyttä:
- Li Liang
- Puhelinnumero: +8615989146266
- Sähköposti: lli@smu.edu.cn
-
Ottaa yhteyttä:
- DANYI LI
- Puhelinnumero: +8613538308634
- Sähköposti: lidanyi26@163.com
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Tähän tutkimukseen otetaan mukaan aikuisia osallistujia (18-vuotiaita tai vanhempia), joilla on diagnosoitu diffuusi gliooma tai joiden epäillään sairastavan sitä biopsian tai kirurgisen resektion perusteella. Osallistujilla on oltava käytettävissä hematoksylinilla ja eosiinilla (H&E) värjättyjä digitaalisia patologian diapositiiveja sekä täydelliset kliiniset ja molekulaariset testitiedot.
Kaikki osallistujat ovat potilaita, jotka ovat saaneet gliooman standardilääketieteellistä hoitoa. Tämän tutkimuksen osana ei suoriteta ylimääräisiä hoitoja tai toimenpiteitä. Patologian kuvia ja molekulaarisia testituloksia kerätään prospektiivisesti useista kliinisistä keskuksista arvioimaan tekoälyyn perustuvan patologiamallin diagnostista suorituskykyä.
Kuvaus
Osallistumiskriteerit:
- Osallistujalla (tai laillisella edustajalla) on vapaaehtoisesti allekirjoitettu tietoon perustuvan suostumuksen lomake.
- Ikä ≥ 18 vuotta ilmoittautumishetkellä.
- Histologisesti epäilty diffuusi gliooma biopsian tai kirurgisen poiston perusteella.
- Täydelliset kliiniset tiedot ja käyttökelpoiset digitaaliset patologian diat hematoksyliini- ja eosiini (H&E) värjäyksellä saatavilla.
- Leikkauksen jälkeiset molekyylipatologian tulokset vertailua varten saatavilla.
Poissulkemiskriteerit:
- Heikkolaatuiset patologianäytteet (esim. riittämätön kudos, diat suurine taittumineen tai saastuneena, tai ala-arvoinen digitaalisen skannauksen laatu).
- Tutkijan määrittämä sopimattomaksi osallistumaan tutkimukseen mistä tahansa syystä.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälymallin tarkkuus aivokasvainten avainmolekyylimuutosten ennustamisessa
Aikaikkuna: Kokonaisdiapositiivikuvien (WSI) saamisen jälkeen 1 viikon kuluessa
|
Ensisijainen tulos on tekoälyyn perustuvan patologiamallin diagnostinen suorituskyky aivokasvainten (glioomien) keskeisten molekyylimuutosten ennustamisessa.
Tarkkuus, herkkyys, spesifisyys ja vastaanottajan toimintakäyrän alapuolinen pinta-ala (AUC) lasketaan vertaamalla tekoälyn ennusteita standardin molekyylipatologian testauksen viitearvoihin.
|
Kokonaisdiapositiivikuvien (WSI) saamisen jälkeen 1 viikon kuluessa
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Opintojohtaja: Li Liang, Nanfang Hospital, Southern Medical University
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Arvioitu)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- NFEC-2025-508
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .