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.

Modèles d'intelligence artificielle pour la prédiction et le traitement précis du cancer de la prostate

27 octobre 2024 mis à jour par: Shao Pengfei

Prédiction et traitement précis du cancer de la prostate par des images de diapositives entières et des IRM basées sur un modèle d'intelligence artificielle

L'objectif de cet essai clinique est de savoir si les modèles d'intelligence artificielle peuvent être utilisés pour un diagnostic clinique préopératoire précis et un diagnostic postopératoire des résultats pathologiques, et mesurera également l'exactitude des prédictions faites par les modèles d'intelligence artificielle. Les principales questions cibles abordées par le modèle bâtiment sont :

  1. si le modèle d'IA peut apprendre de l'IRM préopératoire et des images de diapositives entières postopératoires afin de prédire avec précision des informations telles que la bénignité ou la malignité, l'agressivité, le classement, les sous-types, les gènes, etc. pour les participants suspectés d'avoir un cancer de la prostate en préopératoire/ponction.
  2. si le modèle d'IA est capable d'apprendre des lames de macropathologie postopératoires pour permettre le diagnostic des résultats des lames de pathologie chirurgicale chez les nouveaux participants.

Les participants :

  1. effectuer un examen IRM et faire analyser leurs images IRM par le modèle d'IA établi pour en établir un diagnostic précis.
  2. Sur la base du diagnostic, si un cancer de la prostate est prédit, ils subiront une chirurgie radicale du cancer de la prostate et affineront leur pathologie chirurgicale.

Aperçu de l'étude

Statut

Pas encore de recrutement

Les conditions

Intervention / Traitement

Description détaillée

Basé sur la technologie de l'intelligence artificielle, le modèle de prédiction est construit en décrivant la corrélation cartographique quantitative entre les images de diapositives entières annotées du cancer de la prostate et l'IRM, et en clarifiant les caractéristiques communes. Premièrement, le modèle peut diagnostiquer avec précision la pathologie radicale du cancer de la prostate, qui peut être exemptée de l'immunohistochimie pour obtenir des informations pathologiques détaillées ; Deuxièmement, le modèle de prédiction d'IA établi peut diagnostiquer avec précision le caractère bénin/malin, le caractère invasif, le grade et le sous-type du cancer de la prostate en prédisant les images IRM du participant avant la chirurgie ou la ponction, de sorte qu'un plan de traitement personnalisé puisse être formulé pour le patient avant l'opération ou la ponction. . Enfin, basé sur la technologie IA, le modèle apprend des images IRM et effectue une reconstruction 3D de la prostate et des lésions avant chirurgie/ponction, clarifiant ainsi l'emplacement exact des lésions et guidant la ponction ou le traitement chirurgical.

Type d'étude

Interventionnel

Inscription (Estimé)

200

Phase

  • N'est pas applicable

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.

Coordonnées de l'étude

  • Nom: Pengfei Shao, Professor
  • Numéro de téléphone: 13851925825
  • E-mail: spf032@hotmail.com

Sauvegarde des contacts de l'étude

  • Nom: Pan Zang, Postgraduate
  • Numéro de téléphone: 18914730216
  • E-mail: 896381164@qq.com

Lieux d'étude

  • Chine
    • Jiangsu
      • Nanjing, Jiangsu, Chine, 210036
        • The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)

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

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Oui

La description

Critères d'intégration :

  • Patients avec suspicion de PCa (PSA élevé ou lésions positives suspectes aux résultats de l'échographie ou de l'IRM) ;

Critères d'exclusion :

  • Traitement antérieur de la prostate sous quelque forme que ce soit, y compris chirurgie, radiothérapie/chimiothérapie, endocrinothérapie, thérapie ciblée et immunothérapie ;
  • Patients pour lesquels un élément manque dans les informations cliniques et pathologiques de base ;
  • Patients ayant des antécédents d'autres tumeurs malignes, de comorbidités graves ou d'autres problèmes de santé ;
  • Incapable de fournir/signer un formulaire de consentement éclairé ;
  • Les patients qui, de l'avis de l'investigateur, sont jugés inaptes à participer à cet essai clinique ;

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

  • Objectif principal: Diagnostique
  • Répartition: Randomisé
  • Modèle interventionnel: Affectation parallèle
  • Masquage: Tripler

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Expérimental: Groupe expérimental
Ce groupe de patients recevra des prédictions assistées par des modèles d'intelligence artificielle.
Test diagnostique: Modèles d’intelligence artificielle de prédiction précise
Test de diagnostic : modèles d'intelligence artificielle de prédiction précise. La pathologie postopératoire, le diagnostic préopératoire précis (y compris bénin et malin, invasif, classement, sous-types) ou la modélisation 3D des lésions seront prédits sur la base du modèle prédictif d'IA en réponse aux informations fournies.
Aucune intervention: Groupe de contrôle
Ce groupe de patients ne recevra pas de prédictions assistées par des modèles d’intelligence artificielle.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Prédiction de la pathologie du cancer postradical de la prostate après prostatectomie radicale à l'aide du modèle d'évaluation complet « AUC »
Délai: De l'inscription du sujet au post-opératoire initial, généralement 30 à 90 jours.
« AUC » fait référence à l'aire sous la courbe ROC (Receiver Operating Characteristic), qui indique les performances du modèle dans la prédiction des informations pathologiques liées à l'immunohistochimie du cancer de la prostate après une intervention chirurgicale, et l'AUC varie de 0 à 1, avec la valeur la plus élevée. indiquant le meilleur effet de prédiction.
De l'inscription du sujet au post-opératoire initial, généralement 30 à 90 jours.
Prédire les performances de la pathologie post-radicale grâce au modèle d'évaluation complet « AUC »
Délai: De l'inscription du sujet au post-opératoire initial, généralement 30 à 90 jours.
« AUC » fait référence à l'aire sous la courbe ROC (Receiver Operating Characteristic), indiquant le niveau de performance du modèle dans la prédiction du cancer de la prostate au cours de la période préopératoire, avec une AUC allant de 0 à 1, des valeurs plus élevées indiquant de meilleurs résultats de prédiction.
De l'inscription du sujet au post-opératoire initial, généralement 30 à 90 jours.
« F1 Score » pour évaluer les performances de la modélisation 3D préopératoire
Délai: De l'inscription du sujet à la récupération initiale post-opératoire/ponction, généralement 30 à 90 jours.
Une moyenne réconciliée de la précision et du rappel de la modélisation 3D préopératoire évalués via le « score F1 », qui représente l'adéquation à la situation réelle.
De l'inscription du sujet à la récupération initiale post-opératoire/ponction, généralement 30 à 90 jours.

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Évaluer l'ampleur de la différence de coût entre le modèle prédictif et l'approche clinique par « économies de coûts »
Délai: De l'inscription du sujet à la récupération initiale post-opératoire/ponction, généralement 30 à 90 jours.
Comparez la différence des coûts encourus à l'aide d'un modèle prédictif avec ceux prédits à l'aide d'une approche clinique, la différence sera en yuans.
De l'inscription du sujet à la récupération initiale post-opératoire/ponction, généralement 30 à 90 jours.
Le « temps de diagnostic » évalue le temps nécessaire pour prédire une pathologie liée à l'immunohistochimie dans la période postopératoire.
Délai: De l'inscription du sujet à la récupération initiale post-opératoire/ponction, généralement 30 à 90 jours.
Le temps passé en postopératoire à prédire ou à aider le pathologiste à obtenir des informations pathologiques liées à l'immunohistochimie est évalué par le « temps de diagnostic » et sera mesuré en minutes.
De l'inscription du sujet à la récupération initiale post-opératoire/ponction, généralement 30 à 90 jours.

Collaborateurs et enquêteurs

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

Parrainer

Shao Pengfei

Collaborateurs

Institute of Automation, Chinese Academy of Sciences

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 (Estimé)

1 décembre 2024

Achèvement primaire (Estimé)

1 janvier 2030

Achèvement de l'étude (Estimé)

31 décembre 2030

Dates d'inscription aux études

Première soumission

13 août 2024

Première soumission répondant aux critères de contrôle qualité

27 octobre 2024

Première publication (Réel)

29 octobre 2024

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

29 octobre 2024

Dernière mise à jour soumise répondant aux critères de contrôle qualité

27 octobre 2024

Dernière vérification

1 octobre 2024

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • Shao Pengfei

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

produit fabriqué et exporté des États-Unis.

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