Multimodaalisen tekoälyjärjestelmän kehittäminen GIST-hoidon hallintaan
Monimuotoisen tekoälymallin kehittäminen ja validointi, joka integroi CT-radiomikan, patomikan ja kliiniset piirteet mahalaukkusuolistomonisoluisten kasvainten diagnosoimiseksi, riskiluokitteluun ja genotyyppien ennustamiseksi
Tausta: Gastrointestinaaliset stroomatumorit (GIST) ovat yleisimmät mesenkymaalitumorit ruoansulatuskanavassa. Tarkka esioperaatioinen diagnoosi, riskiluokittelu ja genotyyppaus ovat ratkaisevia sopivan kirurgisen lähestymistavan ja kohdennetun hoidon (kuten imatiniibi) määrittämisessä. Nykyiset menetelmät kuitenkin usein nojaavat invasiiviseen postoperatiiviseen patologiaan ja kalliiseen geneettiseen testaukseen.
Tutkimuksen tavoite: Tämän tutkimuksen tarkoituksena on kehittää ja validoida monimuotoinen tekoälymalli, joka integroi kliinisiä tietoja, CT-radiomiikkaa (kuvauspiirteet) ja patomiikkaa (digitaalisen patologian piirteet) parantaakseen GIST-hoidon tarkkuutta.
Tutkimuksen suunnittelu: Tämä on prospektiivinen, havainnollinen tutkimus. Tutkijat rekrytoivat potilaita, joilla on epäilty vatsan submukosaalisia kasvaimia ja jotka on suunniteltu leikattavaksi tai biopsioitavaksi Hebein lääketieteen yliopiston neljännessä sairaalassa.
Keskeiset tehtävät: Tekoälymallia koulutetaan suorittamaan kolme erityistä tehtävää:
Diagnoosi: Erottaa GIST-tumorit muista ei-GIST-mesenkymaalisista kasvaimista (esim. leiomyoomat, schwannoomat).
Riskinarviointi: Luokitella GIST-tumorit riskiluokkiin (esim. matala vs. korkea riski) ennustamaan pahanlaatuisuuspotentiaalia.
Genotyyppaus: Ennustaa tiettyjä geenimutaatioita (esim. KIT- tai PDGFRA-mutaatiot) ohjatakseen immunoterapiaa tai kohdennettua hoitoa.
Metodologia: Potilastiedot (CT-kuvaukset, patologianäytteet ja kliininen historia) kerätään ja analysoidaan tekoälyjärjestelmällä. Tekoälyn ennusteita verrataan "kultastandardin" tuloksiin, jotka perustuvat postoperatiiviseen patologiseen tutkimukseen ja seuraavan sukupolven sekvensointiin (NGS). Tämä tutkimus on ei-interventiivinen; tekoälyn tulokset eivät vaikuta potilaiden saaman hoidon standardiin.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Anhui
-
Fuyang, Anhui, Kiina, 236003
- The Fifth Affiliated Hospital of Anhui Medical University
-
-
Hebei
-
Baoding, Hebei, Kiina, 071030
- Baoding Central Hospital
-
Cangzhou, Hebei, Kiina, 061000
- Cangzhou People's Hospital
-
Hengshui, Hebei, Kiina, 053099
- Hengshui People's Hospital
-
Shijiazhuang, Hebei, Kiina, 050011
- Shijiazhuang People's Hospital
-
Xingtai, Hebei, Kiina, 054000
- The Second Affiliated Hospital of Xingtai Medical College
-
-
Hubei
-
Wuhan, Hubei, Kiina, 430065
- Renmin Hospital of Wuhan University
-
-
Hunan
-
Hengyang, Hunan, Kiina, 421001
- The First Affiliated Hospital of University of South China
-
-
Jiangsu
-
Nanjing, Jiangsu, Kiina, 210002
- Jinling Hospital
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Osallistumiskriteerit:
Ikä ≥ 18 vuotta, sukupuoli ei rajoitettu.
Kliininen diagnoosi mahalaukun aluslimakkalihaskasvaimesta (SMT) tai epäilty suoliston stromalikasvain (GIST) gastroskopian tai ultraäänitutkimuksen perusteella.
Ajoitettu kirurgiseen resektioon tai endoskopiseen biopsiaan tutkimuskeskuksessa.
Vakio preoperatiiviset kontrastivahvisteiset CT-kuvaukset saatavilla (suoritettu 2 viikkoa ennen leikkausta).
Potilaat tai heidän lailliset huoltajansa ovat allekirjoittaneet tietoon perustuvan suostumuksen.
Poissulkemiskriteerit:
Saanut neoadjuvanttista hoitoa (esim. Imatinib, kemoterapia tai sädehoito) ennen leikkausta/biopsiaa.
Huonolaatuiset CT-kuvat (esim. voimakkaat liikehäiriöt), jotka vaikuttavat radiomiikka-analyysiin.
Riittämättömät kudosnäytteet patologiseen diagnoosiin tai geneettiseen testaukseen.
Vahvistettu diagnoosi muista primaarisista pahanlaatuisista kasvaimista.
Epätäydelliset kliiniset tiedot tai seurannan menetys välittömästi leikkauksen jälkeen.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälymallin diagnostinen tarkkuus GIST- ja ei-GIST-kasvainten erottamisessa
Aikaikkuna: Jopa 30 päivää leikkauksen jälkeen
|
Diagnostinen tarkkuus lasketaan monimuotoisen tekoälymallin oikein luokittelemien potilaiden (GIST vs. ei-GIST) osuutena verrattuna vertailukelpoiseen postoperatiiviseen patologiseen diagnoosiin.
|
Jopa 30 päivää leikkauksen jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
AI:n ennustaman riskiluokan ja patologisen modifioidun NIH-kriteerin välinen yhteensopivuusaste
Aikaikkuna: Jopa 30 päivää leikkauksen jälkeen
|
Potilaiden osuus, joiden tekoälymallin ennustama riskiluokka (Erittäin Matala/Matala vs. Keskitaso/Korkea) vastaa todellista riskiluokitusta, joka on määritetty leikkauksen jälkeisen patologian perusteella muokattujen National Institutes of Health (NIH) -kriteerien mukaan.
Tämä ilmoitetaan prosentteina (0–100 %).
|
Jopa 30 päivää leikkauksen jälkeen
|
|
Tekoälymallin herkkyys ja spesifisyys KIT/PDGFRA-geenimutaatioiden ennustamisessa
Aikaikkuna: Jopa 30 päivää leikkauksen jälkeen
|
Tekoälymallin suorituskyky tiettyjen mutaatioiden (esim. KIT eksoni 11, PDGFRA) tunnistamisessa verrattuna uuden sukupolven sekvensointiin (NGS).
Tiedot raportoidaan prosentteina 95 % luottamusvälein.
|
Jopa 30 päivää leikkauksen jälkeen
|
|
Kaikkien tehtävien käyrän alla oleva pinta-ala (AUC) vastaanottavan toiminnan ominaisuuskäyrän
Aikaikkuna: Jopa 30 päivää leikkauksen jälkeen
|
AUC-arvot lasketaan arvioimaan tekoälymallin suorituskykyä diagnoosissa, riskiluokittelussa ja genotyypin ennustamisessa.
Herkkyys ja spesifisyys myös raportoidaan.
|
Jopa 30 päivää leikkauksen jälkeen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- GIST-DX-RISK-GEN-01
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
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 .