Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Classification des nodules pulmonaires bénins et malins basée sur les données brutes CT

29 juin 2022 mis à jour par: Di Dong, Chinese Academy of Sciences

Comparaison et analyse des performances prédictives du CT et des données brutes dans la classification bénigne et maligne des nodules pulmonaires

L'utilisation d'images médicales combinées à des réseaux de neurones profonds pour aider au diagnostic clinique, à l'effet thérapeutique et à la prédiction du pronostic est aujourd'hui un point chaud. Cependant, toutes les méthodes existantes sont conçues sur la base des images médicales reconstruites plutôt que sur les données brutes sans perte. Considérant que les images médicales sont destinées aux yeux humains plutôt qu'à l'IA, nous essayons d'utiliser des données brutes pour prédire la malignité des nodules pulmonaires et avons comparé les performances prédictives avec la TDM. Des expériences prouveront la faisabilité du diagnostic par les données brutes CT. Nous pensons que la méthode proposée est prometteuse pour changer le pipeline de diagnostic médical actuel car elle a le potentiel de libérer les radiologues.

Aperçu de l'étude

Statut

Complété

Les conditions

Intervention / Traitement

Description détaillée

Le schéma de diagnostic des cancers couramment utilisé suit le processus signal-image-diagnostic. Il est essentiel de reconstruire les images visibles à partir du signal du dispositif médical afin que le médecin humain puisse effectuer un diagnostic. Cependant, l'énorme quantité d'informations à l'intérieur du signal n'est pas exploitée de manière optimale, ce qui entraîne les performances insatisfaisantes actuelles du diagnostic basé sur l'image.

Dans cet essai clinique, nous développerons un schéma de diagnostic basé sur l'IA pour les nodules pulmonaires directement du signal (données brutes) au diagnostic, en sautant l'étape de reconstruction. Dans cet essai, nous nous concentrerons sur la distinction entre les nodules pulmonaires malins et bénins. Nous collecterons un ensemble de données de patients qui sont dépistés pour les nodules pulmonaires. Tous les patients subissent un scanner préopératoire (données brutes et images CT disponibles) et ont un résultat pathologiquement confirmé des nodules. Nous allons construire un modèle utilisant uniquement des données brutes pour le diagnostic des nodules pulmonaires. De plus, un autre modèle à partir de l'image CT sera construit à des fins de comparaison.

De plus, nous effectuerons un suivi de ces patients et construirons un modèle basé sur les données brutes CT pour l'analyse pronostique du cancer du poumon.

Type d'étude

Observationnel

Inscription (Réel)

626

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

  • Chine
    • Jilin
      • Changchun, Jilin, Chine, 130021
        • The First Hospital of Ji Lin University

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

18 ans et plus (ADULTE, OLDER_ADULT)

Accepte les volontaires sains

Non

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon de probabilité

Population étudiée

Les patients qui sont dépistés des nodules pulmonaires par CT seront inclus dans cette étude. L'étalon d'or est la malignité pathologiquement confirmée du nodule.

La description

Critère d'intégration:

  1. Les patients qui sont dépistés nodule pulmonaire.
  2. Les données CT et les données brutes CT correspondantes sont disponibles avant la chirurgie.
  3. Le diagnostic pathologique final de la malignité du nodule est disponible.

Critère d'exclusion:

  1. Antécédents de tumeurs malignes pulmonaires.
  2. Artefacts sur les images CT détériorant gravement l'observation de la lésion.
  3. L'intervalle de temps entre la tomodensitométrie et le diagnostic de la pathologie est supérieur à 4 semaines.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Le premier hôpital de l'université Ji Lin
Les données CT et les données brutes CT correspondantes des patients présentant un nodule pulmonaire seront collectées.
Autre: Aucune intervention
Aucune intervention

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Aire sous la courbe caractéristique de fonctionnement du récepteur (ROC)
Délai: 8 mois
Aire sous la courbe (AUC) des données brutes pour distinguer les nodules malins des nodules bénins.
8 mois
Survie sans maladie
Délai: 5 années
L'association entre les données brutes et la survie sans maladie (DFS), définie comme le temps écoulé entre le début du diagnostic du cancer du poumon et le moment confirmé de la récidive ou de la maladie métastatique, ou du décès, s'est produite.
5 années
Survie globale
Délai: 5 années
L'association entre les données brutes et la survie globale (SG), définie comme le temps écoulé entre le début du diagnostic du cancer du poumon et le décès, toutes causes confondues.
5 années

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Chinese Academy of Sciences

Collaborateurs

The First Hospital of Jilin University
Neusoft Medical Systems Co., Ltd.

Les enquêteurs

  • Directeur d'études: Yali Zang, Ph.D., Institute of Automation, Chinese Academy of Sciences

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Publications générales

Liens utiles

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (RÉEL)

15 avril 2019

Achèvement primaire (RÉEL)

30 juin 2022

Achèvement de l'étude (RÉEL)

30 juin 2022

Dates d'inscription aux études

Première soumission

23 janvier 2020

Première soumission répondant aux critères de contrôle qualité

23 janvier 2020

Première publication (RÉEL)

27 janvier 2020

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (RÉEL)

30 juin 2022

Dernière mise à jour soumise répondant aux critères de contrôle qualité

29 juin 2022

Dernière vérification

1 juin 2022

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • CASMI001

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

INDÉCIS

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

Essais cliniques sur Aucune intervention

Rechercher des essais similaires

Sponsors et collaborateurs

Les conditions médicales

Interventions en matière de drogue

CROs by country

CROs in Latvia

Conditions

Maladies rares

Interventions en matière de drogue

Compléments alimentaires

Commanditaire / collaborateurs

Emplacements

3
S'abonner