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.

Optimiser la gestion des tumeurs rénales grâce à des modules d'intelligence artificielle

16 mars 2025 mis à jour par: Shao Pengfei

Intelligence artificielle mutimodale pour optimiser la gestion des tumeurs rénales : diagnostic, chirurgie et pronostic

Le but de cette étude observationnelle est d'améliorer la prise en charge des personnes atteintes d'une tumeur rénale par intelligence artificielle (IA) multimodale. Il mesurera également l’exactitude des prédictions des modèles d’IA. Les principales questions auxquelles elle vise à répondre sont :

si le module d'IA peut fournir avec précision des informations relatives à la tumeur telles que bénigne ou maligne, sous-types, classement, stade, etc. en apprenant à partir des images tomodensitométriques préopératoires.
si le module d'IA peut aider les cliniciens à trouver le programme chirurgical le plus adapté aux personnes atteintes d'une tumeur rénale.
si le module d'IA peut intégrer des images tomodensitométriques et des diapositives de pathologie, offrant des informations pronostiques supplémentaires pour améliorer la survie postopératoire.

Les participants qui effectuent un examen CT (généralement CT avec contraste amélioré, CECT) et subissent une néphrectomie radicale ou partielle effectueront une surveillance active et enregistreront les données de survie postopératoires pendant 5 ans.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Description détaillée

Dans cette étude, le modèle d'IA explorera et clarifiera les caractéristiques des images tomodensitométriques de tumeurs rénales et des images pathologiques difficiles à détecter manuellement, puis les corrélera avec les résultats cliniques, améliorant ainsi le processus de diagnostic et de traitement des tumeurs rénales. Premièrement, le modèle peut distinguer avec précision les sous-types de tumeurs rénales et prédire le stade, le grade et la complexité afin d'éviter les erreurs de diagnostic et d'aider les cliniciens à formuler des plans de traitement. Deuxièmement, en apprenant des vidéos chirurgicales, le modèle peut fournir des informations supplémentaires lors des interventions chirurgicales, telles que des repères anatomiques importants et l'emplacement des tumeurs. Enfin, combinant radiomique et pathomique, le modèle peut différencier les patients à haut risque et à faible risque après la chirurgie, fournissant ainsi des conseils pronostiques personnalisés.

Type d'étude

Observationnel

Inscription (Estimé)

2100

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: Shao Pengfei, Professor
Numéro de téléphone: +8613851925825
E-mail: spf032@hotmail.com

Sauvegarde des contacts de l'étude

Nom: Miao Haoqi, Postgraduate
Numéro de téléphone: +8613276636957
E-mail: mhq@stu.njmu.edu.cn

Lieux d'étude

Chine
- Jiangsu
  - Nanjing, Jiangsu, Chine, 210036
    - Recrutement
    - The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
    - Contact:
      
      Shao Pengfei, Professor
      
      Numéro de téléphone: +8613851925825
      
      E-mail: spf032@hotmail.com
    - Contact:
      
      Miao Haoqi, Postgraduate
      
      Numéro de téléphone: +8613276636957
      
      E-mail: mhq@stu.njmu.edu.cn

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

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Patients atteints de tumeurs rénales lors d'examens d'imagerie et ayant subi une intervention chirurgicale

La description

Critères d'intégration :

Patients présentant une tumeur rénale pouvant être traitée chirurgicalement ;
Terminez le CECT dans les 30 jours précédant la chirurgie ;
Les patients qui comprennent parfaitement cette étude et signent le consentement éclairé ;

Critères d'exclusion :

Patients pour lesquels un élément manque dans les informations cliniques et pathologiques de base ;
Patients ayant déjà métastasé au moment de la découverte de la tumeur ;
Traitement antérieur sous quelque forme que ce soit, y compris la chirurgie, la thérapie ciblée et l'immunothérapie ;

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
Évaluation des performances des modèles d'IA par le modèle d'évaluation complet « AUC » Délai: De l'inscription à la fin du suivi de 5 ans	« 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 à la fin du suivi de 5 ans

Mesures de résultats secondaires

Mesure des résultats	Description de la mesure	Délai
Évaluation des performances du modèle pour prédire le pronostic des participants après l'opération par Kaplan-Meier Survival Analysis Délai: De l'inscription à la fin du suivi de 5 ans	L'analyse de survie de Kaplan-Meier est une statistique non paramétrique principalement utilisée pour déterminer les facteurs qui indiquent la survie.	De l'inscription à la fin du suivi de 5 ans

Collaborateurs et enquêteurs

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

Parrainer

Shao Pengfei

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 2025

Achèvement primaire (Estimé)

1 janvier 2028

Achèvement de l'étude (Estimé)

31 décembre 2033

Dates d'inscription aux études

Première soumission

2 décembre 2024

Première soumission répondant aux critères de contrôle qualité