Analyse basée sur l'apprentissage en profondeur des images de pathologie du cancer colorectal: une approche innovante pour prédire les sous-types de cancer colorectal
13 avril 2025 mis à jour par: Yunfang Yu, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Copilotes alimentés par AI pour le diagnostic de précision et l'évaluation chirurgicale des modèles de croissance histologique dans les métastases hépatiques colorectales résécables: une étude prospective
Le cancer colorectal (CRC) est une cause de mortalité principale en Chine, les métastases contribuant considérablement aux mauvais résultats.
Les modèles de croissance histopathologique (HGPS) dans les métastases hépatiques colorectaux (CRLM) fournissent des informations pronostiques vitales, mais le nombre limité de pathologistes met en évidence la nécessité d'outils de diagnostic auxiliaires.
Les progrès récents de l'intelligence artificielle (IA) ont démontré un potentiel dans l'amélioration de la précision diagnostique, ce qui a suscité le développement de modèles d'IA spécialisés comme le café pour améliorer la classification et la gestion des HGP chez les patients CRLM.
Cette étude vise à développer et à valider un modèle d'apprentissage en profondeur basé sur un transformateur, le café, pour la classification des sous-types de cancer colorectal en utilisant des images de diapositives entières (WSIS) de patients diagnostiqués avec des métastases hépatiques du cancer colorectal.
Le modèle est pré-formé à l'aide d'apprentissage auto-supervisé (DINO) sur le WSIS de la cohorte de co-coad TCGA, en utilisant une architecture de transformateur de vision (VIT) pour extraire des vecteurs de caractéristiques 384 dimensions à partir de correctifs 256 × 256 pixels.
Le modèle de café intègre un cadre d'apprentissage par instance multiple basé sur des transformateurs (Transmil), incorporant des modules de générateur de codage de position (PPEG) de la position d'auto-atténuation et de la pyramide pour agréger les informations spatiales et morphologiques.
L'étude comprend des cohortes de formation, de test et de validation prospective et évalue les performances du modèle dans les paramètres de classification binaire et multi-classes, ainsi que son potentiel pour aider les pathologistes dans les flux de travail cliniques.
Aperçu de l'étude
Statut
Complété
Les conditions
Intervention / Traitement
Type d'étude
Observationnel
Inscription (Réel)
431
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
-
-
Guangdong
-
Guangzhou, Guangdong, Chine, 510655
- Ethics Committee of the Sixth Affiliated Hospital of Sun Yat-sen University
-
-
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
L'étude a impliqué 431 patients atteints de métastases hépatiques du cancer colorectal, toutes subissant une intervention chirurgicale au sixième hôpital affilié de l'Université Sun Yat-Sen.
La cohorte était composée de 297 patients dans l'ensemble de formation et de 104 patients dans l'ensemble de tests.
La description
Critères d'inclusion:
- Les patients diagnostiqués avec des métastases hépatiques du cancer colorectal (CRLM) subissant un traitement chirurgical;
- Le diamètre maximal des lésions métastatiques réséqués doit être ≥ 2 cm;
- Disponibilité des diapositives de pathologie ainsi que des caractéristiques cliniques, biologiques et pathologiques de base.
Critères d'exclusion:
- Coupes de tissus obtenus à partir d'échantillons de biopsie;
- Absence de tissu tumoral viable dans les lésions métastatiques;
- Les lésions précédemment traitées par ablation suivie d'une résection chirurgicale, entraînant une qualité de diapositive tissulaire inadéquate.
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 |
|---|---|
|
Les diapositives de pathologie chirurgicale du Sahsysu, 1 994 WSIS de 297 diapositives datées du 3 juillet 2013.
Ce groupe comprend 297 patients atteints de métastases hépatiques du cancer colorectal (CRLM), dont 1 994 images de diapositives entières (WSIS) ont été collectées.
Ces lames ont été utilisées pour développer et tester le modèle de café AI pour la classification des modèles de croissance histopathologique (HGP), fournissant des informations précieuses pour la caractérisation et le pronostic tumorales.
|
La résection chirurgicale des métastases hépatiques du cancer colorectal (CRLM) implique l'élimination des lésions métastatiques du foie.
Cette procédure vise à améliorer les taux de survie et à réduire la charge tumorale chez les patients diagnostiqués avec du CRLM.
La résection est effectuée pour traiter les métastases hépatiques, et les résultats cliniques, tels que la survie sans progression (PFS) et la survie globale (OS), sont évalués après la chirurgie pour déterminer l'efficacité du traitement.
|
|
Les glissements de pathologie chirurgicale du Sahsysu, 972 WSIS de 104 patients datés du 21 avril 2023.
Cette cohorte contient 104 patients diagnostiqués avec du CRLM.
972 WSIS ont été collectés pour valider le modèle de café sur un ensemble de données plus récent, évaluant les performances du modèle dans les classifications HGP binaires et à quatre classes.
|
La résection chirurgicale des métastases hépatiques du cancer colorectal (CRLM) implique l'élimination des lésions métastatiques du foie.
Cette procédure vise à améliorer les taux de survie et à réduire la charge tumorale chez les patients diagnostiqués avec du CRLM.
La résection est effectuée pour traiter les métastases hépatiques, et les résultats cliniques, tels que la survie sans progression (PFS) et la survie globale (OS), sont évalués après la chirurgie pour déterminer l'efficacité du traitement.
|
|
Les glissements de pathologie chirurgicale du Sahsysu, 114 WSIS de 30 patients datés de 2024.
Cette cohorte prospective se compose de 30 patients atteints de CRLM, dont 114 WSIS ont été obtenus en 2024.
La cohorte a été utilisée pour évaluer l'applicabilité clinique du modèle de café AI par un essai prospectif, en comparant les performances diagnostiques des pathologistes avec et sans assistance en IA.
|
La résection chirurgicale des métastases hépatiques du cancer colorectal (CRLM) implique l'élimination des lésions métastatiques du foie.
Cette procédure vise à améliorer les taux de survie et à réduire la charge tumorale chez les patients diagnostiqués avec du CRLM.
La résection est effectuée pour traiter les métastases hépatiques, et les résultats cliniques, tels que la survie sans progression (PFS) et la survie globale (OS), sont évalués après la chirurgie pour déterminer l'efficacité du traitement.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision de classification (%) du modèle de café AI dans l'identification binaire des modèles de croissance histopathologique (HGPS) dans le CRLM en utilisant des images de diapositives entières
Délai: 6 mois après la chirurgie (pour une cohorte potentielle)
|
Ce résultat mesure la précision de la classification diagnostique du modèle AI du café dans la détection des modèles de croissance histopathologique (HGPS) chez les patients atteints de métastases hépatiques du cancer colorectal (CRLM).
La précision est définie comme la proportion d'étiquettes HGP correctement prédites par rapport aux étiquettes de vérité au sol déterminées par le consensus de pathologistes experts.
L'analyse comprend la classification binaire (desmoplastique vs non-désmoplasique).
La précision sera calculée comme: précision = nombre total de prédictions / nombre de prédictions correctes × 100%.
Le résultat sera évalué à l'aide d'images de diapositive entières numériques obtenues à partir d'échantillons de métastases hépatiques collectés pendant la chirurgie.
Les performances du modèle seront évaluées 6 mois après la chirurgie dans une cohorte de validation prospective.
|
6 mois après la chirurgie (pour une cohorte potentielle)
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision de classification (%) du modèle de café AI dans l'identification multi-classes des modèles de croissance histopathologique (HGPS) dans le CRLM en utilisant des images de diapositives entières
Délai: 6 mois après la chirurgie (pour une cohorte potentielle)
|
Ce résultat mesure la précision de la classification diagnostique du modèle AI du café dans la détection des modèles de croissance histopathologique (HGPS) chez les patients atteints de métastases hépatiques du cancer colorectal (CRLM).
La précision est définie comme la proportion d'étiquettes HGP correctement prédites par rapport aux étiquettes de vérité au sol déterminées par le consensus de pathologistes experts.
L'analyse comprend une classification à quatre classes (desmoplastiques, remplacement, poussée et mixtes).
La précision sera calculée comme: précision = nombre total de prédictions / nombre de prédictions correctes × 100%.
Le résultat sera évalué à l'aide d'images de diapositive entières numériques obtenues à partir d'échantillons de métastases hépatiques collectés pendant la chirurgie.
Les performances du modèle seront évaluées 6 mois après la chirurgie dans une cohorte de validation prospective.
|
6 mois après la chirurgie (pour une cohorte potentielle)
|
Autres mesures de résultats
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
La survie sans progression (PFS, en mois) chez les patients de métastases hépatiques du cancer colorectal (CRLM) stratifiés par une classification du modèle de croissance histopathologique à base d'IA (HGP)
Délai: Jusqu'à 3 ans après la chirurgie
|
Ce résultat évalue l'association entre la classification HGP basée sur l'IA (desmoplastiques et non-désmoplasiques) et la survie sans progression (PFS) chez les patients atteints de métastases hépatiques du cancer colorectal (CRLM) après une résection curative.
La PFS est définie comme le temps de la chirurgie à la progression de la maladie ou à la mort de toute cause.
L'analyse de Kaplan-Meier sera utilisée pour estimer les PF pour chaque groupe HGP, avec des comparaisons par test de log-rank.
Les modèles de régression multivariée de COX évalueront la valeur pronostique des HGP, en ajustant pour les covariables cliniques (par exemple, l'âge, le sexe, le nombre / la taille des métastases, la chimiothérapie, l'état de la marge, le score de la charge tumorale).
Des ratios de risque avec des intervalles de confiance à 95% seront signalés.
Les hypothèses du modèle seront testées et ajustées si nécessaire.
|
Jusqu'à 3 ans après la chirurgie
|
|
La survie globale (OS, en mois) chez les patients atteints de métastases hépatiques du cancer du cancer colorectal (CRLM) stratifiés par la classification du modèle de croissance histopathologique à base d'IA (HGP)
Délai: Jusqu'à 3 ans après la chirurgie
|
Ce résultat évalue l'association entre la classification HGP basée sur l'IA (desmoplastiques et non-désmoplasiques) et la survie globale (OS) chez les patients atteints de métastases hépatiques du cancer colorectal (CRLM) après résection curative-intention.
Le système d'exploitation est défini comme le temps de la chirurgie à la mort de toute cause.
L'analyse de Kaplan-Meier sera utilisée pour estimer la SG pour chaque groupe HGP, avec des comparaisons par test de log-rank.
Les modèles de régression multivariée de COX évalueront la valeur pronostique des HGP, en ajustant pour les covariables cliniques (par exemple, l'âge, le sexe, le nombre / la taille des métastases, la chimiothérapie, l'état de la marge, le score de la charge tumorale).
Des ratios de risque avec des intervalles de confiance à 95% seront signalés.
Les hypothèses du modèle seront testées et ajustées si nécessaire.
|
Jusqu'à 3 ans après la chirurgie
|
|
Temps de diagnostic (en quelques minutes) par les pathologistes avec et sans modèle de café assisté en AI dans la classification CRLM HGP
Délai: Au cours de la période d'essai prospective (6 mois)
|
Ce résultat évalue l'impact du modèle de café assisté par l'IA sur l'efficacité diagnostique en comparant le temps requis par les pathologistes pour classer les modèles de croissance histopathologique (HGPS) des métastases hépatiques du cancer colorectal (CRLM), avec et sans assistance au café.
La métrique est le temps (minutes) du début du diagnostic final de la revue de diapositive, mesurée pour chaque pathologiste à l'aide d'une plate-forme d'image de diapositive numérique normalisée.
La comparaison comprend deux bras: le bras de diagnostic assisté par l'IA, où les pathologistes juniors utilisent le café comme outil de support de décision et le bras de diagnostic conventionnel, où les pathologistes effectuent une classification manuelle basée sur une évaluation histopathologique visuelle.
Tous les participants examinent le même ensemble de diapositives dans l'ordre randomisé, et le temps de diagnostic est enregistré par le logiciel de visualisation.
Des statistiques descriptives (médiane, IQR) seront signalées.
|
Au cours de la période d'essai prospective (6 mois)
|
|
Précision diagnostique (pourcentage de classifications correctes) des pathologistes avec et sans modèle de café assisté en AI dans la classification CRLM HGP
Délai: Au cours de la période d'essai prospective (6 mois)
|
Ce résultat évalue la précision diagnostique des pathologistes dans la classification des modèles de croissance histopathologique (HGP) des métastases hépatiques du cancer colorectal (CRLM), en comparant les flux de travail diagnostiques assistés par AI-assistés par rapport à la CI.
La précision est définie comme la proportion d'images de diapositive entières correctement classées (WSIS) par rapport à un diagnostic consensuel standard en or par des pathologistes gastro-intestinaux experts.
Chaque pathologiste classera indépendamment le même ensemble de CRLM WSIS dans deux conditions: avec l'aide de l'IA (modèle de café) et sans assistance en IA (évaluation manuelle).
La classification sera évaluée à la fois pour les catégories binaires HGP (des catégories HGP des desmoplastiques vs non-désmoplasiques) et à quatre classes (desmoplastiques, remplacement, poussée, mixtes).
La précision sera calculée comme: précision = nombre total de prédictions / nombre de prédictions correctes × 100%.
|
Au cours de la période d'essai prospective (6 mois)
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette 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)
22 mai 2023
Achèvement primaire (Réel)
6 mars 2024
Achèvement de l'étude (Réel)
6 mars 2024
Dates d'inscription aux études
Première soumission
3 avril 2025
Première soumission répondant aux critères de contrôle qualité
13 avril 2025
Première publication (Réel)
20 avril 2025
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
20 avril 2025
Dernière mise à jour soumise répondant aux critères de contrôle qualité
13 avril 2025
Dernière vérification
1 avril 2025
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 2023ZSLYEC-256
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
INDÉCIS
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 .