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.

La valeur d'application de l'intelligence artificielle dans le diagnostic de précision par IRM et le traitement du cancer de la vessie

Étude clinique multicentrique prospective sur la valeur d'application de l'intelligence artificielle dans le diagnostic de précision par IRM et le traitement du cancer de la vessie

Cette étude était une étude clinique observationnelle prospective multicentrique. Au total, 150 patients atteints d'une tumeur maligne de la vessie admis au service d'urologie de chaque centre pour traitement et ayant subi une résection électrique ou une cystectomie radicale devaient être recrutés. Afin d'analyser la sensibilité, la spécificité et la précision de l'intelligence artificielle dans la prédiction de la stadification pathologique postopératoire, les patients qui sont entrés dans le groupe ont été suivis pendant 3 ans, puis, nous avons analysé la corrélation entre les résultats de prédiction de l'intelligence artificielle et le patient OS PFS RFS. Il a été préalablement vérifié que les résultats du modèle d'intelligence artificielle ont le potentiel de prédire le pronostic des patients atteints d'un cancer de la vessie.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Description détaillée

Recherche préliminaire : Cette recherche est une recherche conjointe multidisciplinaire en combinant l'intelligence artificielle avec la résonance magnétique, elle peut rendre plus précise la détermination préopératoire du stade du cancer de la vessie et guider le plan de traitement du clinicien. À l'heure actuelle, il a été construit qu'un modèle d'intelligence artificielle basé sur des images de résonance magnétique préopératoires pour prédire la stadification et le pronostic du patient. Nous avons construit un modèle de prédiction de la mise en scène grâce à un réseau d'intelligence artificielle d'apprentissage en profondeur et collecté des données d'image par résonance magnétique et des données pathologiques postopératoires associées sur les patients. Nous avons ensuite suivi 576 patients sur la base de la construction d'un modèle de mise en scène. En obtenant l'OS, la PFS et la RFS des patients, une partie a été sélectionnée au hasard comme ensemble d'entraînement pour l'entraînement du modèle de réseau d'apprentissage en profondeur. L'autre partie est utilisée comme ensemble de test pour vérifier sa précision. Cette étude était une étude clinique observationnelle prospective multicentrique. Au total, 150 patients atteints d'une tumeur maligne de la vessie admis au service d'urologie de chaque centre pour traitement et ayant subi une résection électrique ou une cystectomie radicale devaient être recrutés. Afin d'analyser la sensibilité, la spécificité et la précision de l'intelligence artificielle dans la prédiction de la stadification pathologique postopératoire, les patients qui sont entrés dans le groupe ont été suivis pendant 3 ans, puis, nous avons analysé la corrélation entre les résultats de prédiction de l'intelligence artificielle et le patient OS PFS RFS. Il a été préalablement vérifié que les résultats du modèle d'intelligence artificielle ont le potentiel de prédire le pronostic des patients atteints d'un cancer de la vessie.

Type d'étude

Observationnel

Inscription (Anticipé)

150

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

    • Jiangsu
      • Nanjing, Jiangsu, Chine, 210000
        • Recrutement
        • The First Affiliated Hospital of Nanjing Medical University
        • Contact:

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

Les patients reçoivent une IRM dans chaque centre d'étude et subissent l'opération.

La description

Critère d'intégration:

  1. L'examen préopératoire indique au patient qu'il s'agit d'un cancer de la vessie ;
  2. Il n'y a pas de limite sur le sexe;
  3. L'âge de 18 ans ou plus;
  4. Peut fournir des images IRM préopératoires ;
  5. Accepter de fournir des informations cliniques de base personnelles et des données pathologiques et d'imagerie pour la recherche scientifique, et signer un consentement éclairé ;
  6. Accepter de fournir les résultats de la surveillance lors du suivi de la récidive.

Critère d'exclusion:

  1. Le patient n'a pas été en mesure de fournir des images IRM préopératoires, y compris des images IRM après le traitement néoadjuvant et avant la chirurgie ;
  2. Les patients dont les informations pathologiques sur les échantillons étaient incomplètes n'ont pas été en mesure de fournir des informations précises sur la stadification et le classement ;
  3. Les patients ne peuvent pas être opérés pour leurs propres raisons : insuffisance cardiaque grave, infarctus aigu du myocarde, maladies cardiaques et pulmonaires graves, etc., ils ne peuvent tolérer un traitement chirurgical normal ;
  4. Patients ayant récemment subi une intervention chirurgicale (par exemple, TURBT) avant l'examen IRM;
  5. Le chercheur pense qu'il existe des conditions qui peuvent nuire au sujet ou empêcher le sujet de satisfaire ou d'exécuter les exigences de l'étude ;
  6. Patients incapables de fournir un consentement éclairé écrit.

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

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Explorer la valeur d'application de l'intelligence artificielle dans le diagnostic et le traitement précis de la tumeur de la vessie, et améliorer la précision du diagnostic par IRM du stade et du grade du cancer de la vessie grâce à l'intelligence artificielle.
Délai: 1 an
2、Grâce à l'analyse de concordance des résultats du test de diagnostic de l'intelligence artificielle avec les résultats de référence de la chirurgie, la sensibilité, la spécificité, la valeur prédictive positive (PPV), la valeur prédictive négative (NPV) du diagnostic de l'intelligence artificielle avant l'opération.
1 an

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
La survie globale
Délai: 3 ans après l'opération
La corrélation entre le modèle d'intelligence artificielle et la SG chez les patients atteints d'un cancer de la vessie a été analysée afin de vérifier de manière préliminaire la capacité potentielle des résultats du modèle d'intelligence artificielle à prédire le pronostic des patients atteints d'un cancer de la vessie.
3 ans après l'opération

Autres mesures de résultats

Mesure des résultats
Description de la mesure
Délai
survie sans récidive
Délai: 3 ans après l'opération
La corrélation entre le modèle d'intelligence artificielle et le RFS chez les patients atteints d'un cancer de la vessie a été analysée pour vérifier de manière préliminaire la capacité potentielle des résultats du modèle d'intelligence artificielle à prédire le pronostic des patients atteints d'un cancer de la vessie.
3 ans après l'opération
survie sans progression
Délai: 3 ans après l'opération
La corrélation entre le modèle d'intelligence artificielle et la SSP chez les patients atteints d'un cancer de la vessie a été analysée afin de vérifier de manière préliminaire la capacité potentielle des résultats du modèle d'intelligence artificielle à prédire le pronostic des patients atteints d'un cancer de la vessie.
3 ans après l'opération

Collaborateurs et enquêteurs

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

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.

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)

1 janvier 2021

Achèvement primaire (Anticipé)

1 mai 2022

Achèvement de l'étude (Anticipé)

1 janvier 2023

Dates d'inscription aux études

Première soumission

7 octobre 2021

Première soumission répondant aux critères de contrôle qualité

19 octobre 2021

Première publication (Réel)

27 octobre 2021

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

27 octobre 2021

Dernière mise à jour soumise répondant aux critères de contrôle qualité

19 octobre 2021

Dernière vérification

1 octobre 2021

Plus d'information

Termes liés à cette étude

Plan pour les données individuelles des participants (IPD)

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

NON

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 .

S'abonner