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

Patologisen täydellisen vastauksen ennustaminen peräsuolen syövässä koneoppimista hyödyntäen

sunnuntai 29. maaliskuuta 2026 päivittänyt: Hongpeng Jiang, Peking University People's Hospital

Kliinisten ja magneettikuvausominaisuuksien perustuvaan koneoppimismalliin perustuvan patologisen täydellisen vasteennusteen kehittäminen ja validointi peräsuolen syövälle neoadjuvanttisen kemoradioterapian jälkeen

Tämän tutkimuksen tavoitteena on kehittää ja validoida robusti koneoppimiseen perustuva ennustemalli, joka hyödyntää perustason kliinistä dataa ja magneettikuvausominaisuuksia (MRI). Tavoitteena on ennustaa leikkausta edeltävästi todennäköisyys saavuttaa patologinen täydellinen vaste (pCR) paikallisesti edenneen peräsuolen syövän (CRC) potilailla neoadjuvantin kemoradioterapian (nCRT) jälkeen.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Tämän tutkimuksen tavoitteena on kehittää ja validoida ennustava malli, joka perustuu pre-neoadjuvanttiin kliinisiin, laboratorio- ja magneettikuvaus (MRI) ominaisuuksiin, arvioidakseen patologisen täydellisen vastauksen (pCR) todennäköisyyttä suolistosyöpäpotilailla neoadjuvantin kemoradioterapian (nCRT) jälkeen. Tämä retrospektiivinen tutkimus rekrytoi potilaita, jotka saivat nCRT:ta ja sen jälkeen radikaalin resektion Pekingin yliopiston kansansairaalassa joulukuun 2017 ja lokakuun 2025 välisenä aikana, kehityskohortiksi. Least Absolute Shrinkage and Selection Operator (LASSO) -regressiota käytetään ominaisuuksien valintaan, ja koneoppimisalgoritmeja sovelletaan ennustemallin rakentamiseen. Mallin suorituskykyä arvioidaan kattavasti käyttäen receiver operating characteristic (ROC) -käyrää, precision-recall -käyrää, kalibrointikäyrää ja päätösanalyysikäyrää (DCA). SHapley Additive exPlanations (SHAP) -analyysi suoritetaan parantaakseen mallin tulkittavuutta. Lopullisen mallin odotetaan tarjoavan yksilöllisen pCR-ennustetyökalun ohjatakseen kliinistä päätöksentekoa suolistosyöpäpotilailla.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

320

Yhteystiedot ja paikat

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

Opiskelupaikat

    • Beijing Municipality
      • Beijing, Beijing Municipality, Kiina, 100044
        • Peking University 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

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Potilaat, joilla on diagnosoitu paikallisesti edistynyt tai etäpesäkeillä levinnyt peräsuolen syöpä ja jotka saivat standardia radikaalia leikkausta neoadjuvantin kemoradioterapian jälkeen

Kuvaus

Ottamiskriteerit:

  1. Potilaat, joilla on histopatologisesti varmistettu suoliston adenokarsinooma;
  2. Kliininen vaihe cT3-4 tai cN+ tai M1-kehittynyt suolistosyöpä;
  3. Saanut standardoidun neoadjuvantin kemoradioterapian tai neoadjuvantin kemoterapian;
  4. Käyneet läpi kokonaisen mesorektaalisen poiston (TME) neoadjuvantin hoidon päätyttyä, ja joilla on saatavilla täydelliset leikkauksen jälkeiset patologiset tiedot.

Poissulkemiskriteerit:

  1. Aikaisempi historia muista pahanlaatuisista kasvaimista;
  2. Epätäydelliset kliiniset tiedot;
  3. Käyneet läpi hätäleikkauksen nCRT:n aikana;
  4. Monimuotoinen systeeminen infektio tai veritauti.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Patologinen täydellinen vaste (pCR) määritelty kasvainregressioasteikon (TRG) mukaan
Aikaikkuna: Arvioitu rutiinihistopatologisen tutkimuksen aikana poistetusta kirurgisesta näytteestä välittömästi radikaalikirurgian jälkeen (tyypillisesti 1–2 viikon kuluessa leikkauksesta).
Ensisijainen päätepiste on pCR:n esiintyminen, jota arvioivat kaksi riippumatonta patologiaa käyttäen AJCC/CAP Tumor Regression Grade (TRG) -järjestelmää. TRG 0 (ei elinkelpoisia syöpäsoluja, vain fibroosia tai muusinallikkoja) määritellään positiiviseksi tulokseksi (pCR). TRG 1–3 yhdistetään ja määritellään negatiiviseksi tulokseksi (ei-pCR). Mallin ennustavaa suorituskykyä arvioidaan useilla mittareilla, mukaan lukien ROC-käyrän alapuoli (AUC), Precision-Recall (PR) -käyrä, kalibrointikäyrä ja päätösanalyysi (DCA).
Arvioitu rutiinihistopatologisen tutkimuksen aikana poistetusta kirurgisesta näytteestä välittömästi radikaalikirurgian jälkeen (tyypillisesti 1–2 viikon kuluessa leikkauksesta).

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Ennustemallin vastaanottajan toimintaluokan käyrän alla oleva pinta-ala (AUC)
Aikaikkuna: Mallin kehityksen ja validoinnin valmistuttua
Mallin erottelusuorituskyvyn arvioimiseksi pCR:n ennustamisessa
Mallin kehityksen ja validoinnin valmistuttua
Ennustemallin herkkyys, spesifisyys, positiivinen ennusteellinen arvo (PPV) ja negatiivinen ennusteellinen arvo (NPV)
Aikaikkuna: Mallin kehityksen ja validoinnin valmistumisen yhteydessä
Mallin diagnostisen tarkkuuden arvioimiseksi optimaalisella raja-arvolla
Mallin kehityksen ja validoinnin valmistumisen yhteydessä
Ennustemallin kalibrointikäyrä
Aikaikkuna: Mallin kehityksen ja validoinnin päätyttyä
Arvioida ennustetun pCR-todennäköisyyden ja todellisen havaittun pCR-arvon välisen yhdenmukaisuuden
Mallin kehityksen ja validoinnin päätyttyä
Mallin nettohyöty kvantifioitu päätöskäyräanalyysillä (DCA)
Aikaikkuna: Mallin kehittämisen ja validoinnin valmistuttua
Mallin kliinisen hyödyllisyyden arvioimiseksi eri kynnystodennäköisyyksillä
Mallin kehittämisen ja validoinnin valmistuttua
Muuttujien tärkeys kvantifioitu SHapley Additive exPlanations (SHAP) -analyysilla
Aikaikkuna: Mallin kehityksen ja validoinnin valmistuttua
Tulkitsemaan kunkin ennustajan osuutta mallin ennusteessa
Mallin kehityksen ja validoinnin valmistuttua

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Opintojen puheenjohtaja: Hong-Peng Jiang, docter, Peking University People's Hospital

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

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)

Keskiviikko 4. helmikuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Lauantai 25. huhtikuuta 2026

Opintojen valmistuminen (Arvioitu)

Sunnuntai 10. toukokuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Sunnuntai 29. maaliskuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Sunnuntai 29. maaliskuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Perjantai 3. huhtikuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 3. huhtikuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Sunnuntai 29. maaliskuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. maaliskuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

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