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.

Recherche sur le diagnostic par imagerie pathologique des tumeurs oculaires basé sur un nouvel algorithme d'intelligence artificielle

4 janvier 2021 mis à jour par: Chun Zhang, Peking University

Le but de cette étude est d'établir un processus normalisé pour obtenir des informations d'image pathologique numérique des tumeurs oculaires ; utiliser des techniques pathologiques modernes pour obtenir les informations de co-expression de plusieurs biomarqueurs dans les tissus pathologiques des tumeurs oculaires, et enfin construire des tumeurs oculaires numériques standardisées avec des biomarqueurs Base de données d'images de pathologie.

Aperçu de l'étude

Statut

Inconnue

Les conditions

Description détaillée

Cette étude est une étude prospective. Les patients atteints de tumeurs oculaires courantes et représentatives du département d'ophtalmologie du troisième hôpital universitaire de Pékin seront sélectionnés et inscrits après consentement éclairé pour collecter des informations cliniques de base, des échantillons de sang préopératoires et des tumeurs oculaires. Obtenir des données d'annotation d'images pathologiques et des données liées à la génomique auprès de échantillons de tissus tumoraux oculaires, utiliser des échantillons de sang pour l'analyse des informations génomiques, fournir des données multidimensionnelles pour le développement d'algorithmes d'intelligence artificielle et établir des données d'image assistées par intelligence artificielle pour les tumeurs oculaires Normaliser le processus et établir une base de données normalisée multimodale sur les tumeurs oculaires de "informations cliniques-échantillons de tissus-images pathologiques-données génomiques". La base de données et le système de diagnostic sont corrélés les uns aux autres pour fournir des données d'image optimales pour l'apprentissage automatique ultérieur et l'établissement d'algorithmes associés, et enfin les enquêteurs termineront la conception d'un nouveau système de diagnostic assisté par intelligence artificielle pour les tumeurs oculaires.

Type d'étude

Observationnel

Inscription (Anticipé)

100

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.

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

Enfant
Adulte
Adulte plus âgé

Accepte les volontaires sains

Non

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

patients du département d'ophtalmologie du troisième hôpital de l'université de Pékin qui ont une tumeur à l'œil et subissent une intervention chirurgicale.

La description

Critère d'intégration:

Patients diagnostiqués avec des tumeurs oculaires et subissant une chirurgie des tumeurs oculaires.
Les patients signent un consentement éclairé pour le prélèvement d'échantillons et l'accord de transfert d'échantillons, et peuvent coopérer avec les exigences de suivi régulier à long terme.

Critère d'exclusion:

Patients incapables de subir une chirurgie tumorale ou de conserver des échantillons pour diverses raisons.
Patients positifs pour l'hépatite B, le VIH et la syphilis.
L'observance des patients est mauvaise.

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

Nombre de groupes / cohortes

Cohortes et interventions

Groupe / Cohorte
Mélanome et Naevus Patients diagnostiqués avec un mélanome ou/et un naevus sur la peau autour de l'œil avant la chirurgie.
Carcinome basocellulaire ; carcinome épidermoïde ; carcinome des glandes sébacées Patients diagnostiqués avec un carcinome basocellulaire, un carcinome épidermoïde, un carcinome des glandes sébacées avant la chirurgie.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats	Description de la mesure	Délai
Comparer la précision diagnostique d'OPAL et d'IHC pour le mélanome et d'autres tumeurs. Délai: Jusqu'à 24 semaines.	Le résultat de l'analyse automatique OPAL sera comparé à l'analyse de comptage manuel IHC. La précision de l'étude sera déclarée "succès" si l'analyse automatique OPAL atteint plus de 85 % du comptage manuel pour tous les anticorps.	Jusqu'à 24 semaines.

Collaborateurs et enquêteurs

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

Parrainer

Peking University

Les enquêteurs

Chercheur principal: Chun Zhang, MD/PHD, Peking University Third Hospital

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 (Anticipé)

31 décembre 2020

Achèvement primaire (Anticipé)

1 juin 2022

Achèvement de l'étude (Anticipé)

1 juin 2022

Dates d'inscription aux études

Première soumission

19 novembre 2020

Première soumission répondant aux critères de contrôle qualité

4 janvier 2021

Première publication (Réel)

5 janvier 2021

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)