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.

Diagnostic et prédiction du cancer basés sur l'IA avec DSE

25 juillet 2025 mis à jour par: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Diagnostic et prédiction du cancer basés sur l'IA à l'aide des dossiers de santé électroniques

Il s'agit d'une étude clinique rétrospective multicentrique conçue pour évaluer l'application et l'efficacité d'un modèle prédictif assisté par l'IA pour identifier et diagnostiquer le cancer, en tirant parti des données de santé multimodales.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Description détaillée

Le diagnostic et la détection précoce du cancer sont essentiels pour améliorer les résultats pour les patients et les taux de survie. L’identification précoce des cancers et une intervention appropriée peuvent avoir un impact significatif sur le succès et le pronostic du traitement. Dans la pratique clinique, les oncologues doivent souvent intégrer diverses données sur les patients, notamment les antécédents médicaux, les résultats de tests de laboratoire, les données d'imagerie telles que les tomodensitogrammes et les IRM, ainsi que les marqueurs génétiques, pour établir un diagnostic précis et élaborer un plan de traitement personnalisé. Alors que la médecine de précision prend de plus en plus d’importance, le défi reste d’identifier le cancer à un stade précoce, en particulier lorsque les symptômes sont subtils ou absents. Les progrès récents dans les techniques d’intelligence artificielle et d’analyse des données se sont révélés très prometteurs pour améliorer la précision du diagnostic et la rapidité de la détection du cancer. Cette étude vise à développer un système de prise de décision assisté par l'IA en intégrant des données multimodales provenant des dossiers de santé électroniques, de l'imagerie, des résultats de laboratoire et des données génétiques. L’objectif est d’améliorer la précision du diagnostic, d’optimiser les flux de travail cliniques et de fournir des options de traitement plus personnalisées aux patients atteints de cancer. En fin de compte, ce système vise à améliorer la détection précoce, à guider des stratégies de traitement efficaces et à améliorer les taux de survie des patients.

Type d'étude

Observationnel

Inscription (Estimé)

1000000

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

Lieux d'étude

  • Chine
    • Guangdong
      • Guangzhou, Guangdong, Chine
        • Recrutement
        • Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
        • Contact:
      • Guangzhou, Guangdong, Chine
        • Recrutement
        • Guangzhou Women and Children's Medical Center
        • Contact:
      • Guangzhou, Guangdong, Chine
        • Recrutement
        • Nanfang Hospital
        • Contact:
      • Guangzhou, Guangdong, Chine
        • Recrutement
        • Sun Yat-sen University Cancer Hospital
        • Contact:
    • Sichuan
      • Chengdu, Sichuan, Chine
        • Recrutement
        • West China Hospital
        • Contact:
    • Zhejiang
      • Wenzhou, Zhejiang, Chine
        • Recrutement
        • First Affiliated Hospital of Wenzhou Medical University
        • Contact:
      • Wenzhou, Zhejiang, Chine
        • Recrutement
        • Second Affiliated Hospital of Wenzhou 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

Oui

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

La population d'étude est composée de personnes âgées de 0 à 90 ans qui ont reçu des soins dans les centres d'étude participants. Les participants doivent avoir des dossiers de santé électroniques complets (DSE), y compris les antécédents médicaux, les résultats des tests de laboratoire, les données d'imagerie et les informations génétiques (si disponibles). Les deux personnes diagnostiquées d'un cancer (y compris des cancers pédiatriques et adultes) et des personnes en bonne santé sans antécédents de cancer seront incluses dans l'étude pour évaluer les capacités diagnostiques et prédictives du modèle assisté par l'IA. L'étude se concentrera sur les patients présentant des dossiers de soins complets et documentés des centres participants, garantissant une cohorte diversifiée pour l'analyse dans différents groupes d'âge et types de cancer.

La description

Critères d'intégration :

1 、 Les patients avec des dossiers de santé électroniques complets (DSE), y compris les antécédents médicaux, les résultats des tests en laboratoire, les données d'imagerie et les données génétiques (si disponibles).

2. Les personnes sans troubles cognitifs graves ni conditions qui les empêcheraient de donner leur consentement éclairé ou de participer à l'étude.

3. Les parents ou les tuteurs doivent donner un consentement éclairé aux mineurs, tandis que les participants adultes doivent se donner un consentement éclairé.

Critères d'exclusion :

  1. Patients avec des données d'enregistrement de santé électronique clés incomplètes ou manquantes ou des données de suivi insuffisantes.
  2. Les personnes souffrant de troubles cognitifs graves ou d’autres maladies en phase terminale qui empêcheraient une participation significative.
  3. Femmes enceintes (bien que les cancers pédiatriques soient envisagés, les femmes enceintes seraient exclues pour des raisons de sécurité).

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
Cohorte saine
Ce groupe est constitué d’individus sans cancer diagnostiqué. Les participants de cette cohorte serviront de groupe témoin pour la comparaison avec le groupe expérimental. Aucune intervention ou traitement ne sera administré à cette cohorte, car ils représentent une base d'individus en bonne santé.
Test diagnostique: Modèle de diagnostic et de pronostic basé sur l'IA
Cette intervention implique un système d'IA qui intègre des données multimodales, notamment les antécédents médicaux du patient, les résultats des tests de laboratoire, les données d'imagerie et les informations génétiques, pour prédire le risque de cancer. Le système utilise des algorithmes d’apprentissage profond pour fournir des prédictions précises en temps réel, permettant une identification précoce des risques de cancer. En analysant les données historiques sur la santé, le modèle vise à prédire l’évolution potentielle du cancer, améliorant ainsi la détection précoce et les résultats du traitement.
Cohorte de tumeur
Ce groupe est constitué de personnes ayant reçu un diagnostic de cancer, dont différents types. Les participants à cette cohorte serviront de groupe expérimental pour évaluer l'efficacité du modèle de prédiction précoce pour identifier les risques de cancer et améliorer l'exactitude du diagnostic.
Test diagnostique: Modèle de diagnostic et de pronostic basé sur l'IA
Cette intervention implique un système d'IA qui intègre des données multimodales, notamment les antécédents médicaux du patient, les résultats des tests de laboratoire, les données d'imagerie et les informations génétiques, pour prédire le risque de cancer. Le système utilise des algorithmes d’apprentissage profond pour fournir des prédictions précises en temps réel, permettant une identification précoce des risques de cancer. En analysant les données historiques sur la santé, le modèle vise à prédire l’évolution potentielle du cancer, améliorant ainsi la détection précoce et les résultats du traitement.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Zone sous la courbe (AUC)
Délai: 1 an
AUC de la courbe ROC, utilisée pour quantifier la précision du diagnostic. Aucune unité (un rapport ou un pourcentage, généralement exprimé sous la forme d'un nombre compris entre 0 et 1).
1 an
Score F1
Délai: 1 an
Le score F1 est la moyenne harmonique de précision et de sensibilité (rappel). C'est une bonne mesure de la capacité du modèle à identifier à la fois les vrais positifs et à minimiser les faux positifs, en particulier dans les cas où les classes sont déséquilibrées (par exemple, lorsque le nombre de cas sains est beaucoup plus élevé que celui des cas malades). Le score F1 va de 0 à 1, 1 indiquant une précision et un rappel parfaits.
1 an

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Sensibilité (véritable taux positif)
Délai: 1 an
La sensibilité mesure dans quelle mesure le modèle d’IA identifie les vrais cas positifs, par exemple en diagnostiquant correctement les femmes enceintes présentant des complications ou en identifiant des troubles néonatals.
1 an
Spécificité (véritable taux négatif)
Délai: 1 an
La spécificité mesure la capacité du modèle d'IA à identifier correctement les cas sans maladies, garantissant que les mères et les nourrissons en bonne santé sont correctement identifiés comme négatifs.
1 an

Collaborateurs et enquêteurs

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

Parrainer

The Eye Hospital of Wenzhou Medical University

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)

19 janvier 2025

Achèvement primaire (Estimé)

1 octobre 2025

Achèvement de l'étude (Estimé)

1 octobre 2025

Dates d'inscription aux études

Première soumission

19 janvier 2025

Première soumission répondant aux critères de contrôle qualité

19 janvier 2025

Première publication (Réel)

24 janvier 2025

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

30 juillet 2025

Dernière mise à jour soumise répondant aux critères de contrôle qualité

25 juillet 2025

Dernière vérification

1 juillet 2025

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • Cancer

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

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