- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT04022512
Mélytanulási algoritmus pontossága a tüdőcsomók kimutatására és kockázati rétegzésére
2024. február 6. frissítette: Professor Winnie W.C. Chu, Chinese University of Hong Kong
Megvalósíthatósági tanulmány: A mélytanuló mesterséges intelligencia (AI) algoritmus pontossága és érzékenysége osteogén szarkómás betegek tüdőcsomóinak kimutatására és kockázati rétegzésére
Az osteosarcoma a leggyakoribb rosszindulatú csontdaganat gyermekek és serdülők körében.
Az osteosarcomában szenvedő betegek hozzávetőleg 15-20%-a kimutatható metasztatikus betegségben szenved, és többségüknél (85%) a tüdőelváltozások az egyetlen metasztázis helye.
Korábbi tanulmányok kimutatták, hogy a lokalizált, metasztatikus betegség nélküli osteosarcomában szenvedő betegek teljes túlélési aránya körülbelül 60-70%, míg az áttétes betegségben szenvedő betegek túlélési aránya 10-30%-ra csökken.
Bár az utóbbi időben a neoadjuváns és adjuváns kemoterápiás sémák csökkenthetik a halálozási arányt, a betegek 30-50%-a még mindig tüdőáttétek miatt hal meg.
A tüdőmetasztázisok száma, eloszlása és időzítése prognosztikai értékű a túlélés szempontjából, ezért a számítógépes tomográfiás (CT) mellkasi képalkotás továbbra is létfontosságú szerepet játszik a betegségek megfigyelésében.
Az elmúlt évtizedben a többdetektoros CT-szkenner technológiája számos kisebb tüdőelváltozás kimutatását javította, ami egyrészt növelheti a tüdőmetasztázis diagnosztikai érzékenységét, de a specificitás csökkenhet.
Az utóbbi években felkapott téma a mélytanulásos mesterséges intelligencia (AI) algoritmus sokféle képalkotó vizsgálatban.
Jelenleg egyre több olyan mély tanulási technológián alapuló számítógépes diagnosztikai (CAD) rendszert fejlesztettek ki és vezettek be a piacra, amelyek célja a pulmonalis csomók gyorsabb szűrése és helyes értelmezése.
Eddig a jóindulatú/rosszindulatú csomópontok osztályozási pontosságának javítására összpontosító kutatások jelentős előrehaladást értek el, amelyet a mély tanulási technikák óriási fejlődése inspirált.
Következésképpen a meglévő CAD rendszerek többsége 90%-os pontossággal képes elvégezni a tüdőcsomók osztályozását.
A klinikai gyakorlatban nem csak a tüdőcsomó rosszindulatú daganatának meghatározása, hanem a primer carcinoma és az intrapulmonalis metasztázis közötti különbség is döntő fontosságú a betegkezelés szempontjából.
A tüdőcsomók CAD rendszerben alkalmazott jelenlegi osztályozása azonban továbbra is bináris minta (jóindulatú vs malignus), mivel nincs alaposabb csomópont-besorolás, amelyet az elsődleges és metasztatikus csomó kettéválása jellemez.
Legjobb tudomásunk szerint eddig csak néhány tanulmány foglalkozott a mély tanuláson alapuló CAD rendszer teljesítményével a metasztatikus tüdőcsomók azonosítására.
Ebben a javasolt tanulmányban a kutatók arra törekedtek, hogy meghatározzák egy számítógéppel segített rendszer pontosságát és érzékenységét, amely mély tanulási mesterséges intelligencia algoritmuson alapul, amely osteogén szarkómás betegek tüdőcsomóinak kimutatására és kockázati rétegződésére szolgál.
A tanulmány áttekintése
Tanulmány típusa
Megfigyelő
Beiratkozás (Tényleges)
100
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Shatin
-
Hong Kong, Shatin, Hong Kong
- The Chinese University of Hong Kong, Prince of Wale Hospital
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
Nem régebbi, mint 18 év (Gyermek, Felnőtt)
Egészséges önkénteseket fogad
N/A
Mintavételi módszer
Valószínűségi minta
Tanulmányi populáció
Ez egy egyetlen intézményi retrospektív kohorszvizsgálat olyan betegek körében, akiknél osteogén szarkómát diagnosztizáltak 2000 és 2018 között.
Minden beteg adatát intézményünk elektronikus betegadatbázisán keresztül lekérjük.
A páciens demográfiai adatait, képalkotó és szövettani adatait, a betegséget és a kezelési előzményeket rögzítik, beleértve a kezdeti életkort, a kemoterápia részleteit, a tüdőáttét kialakulásának időtartamát a diagnózistól, az elsődleges csontdaganat műtétét, az ezt követő tüdőmetasztatektómiát, ha végrehajtják, a túlélés időtartamát. , klinikai kimenetel és így tovább.
Leírás
Bevételi kritériumok:
- Szövettanilag igazolt osteogén szarkómában szenvedő betegek
- 18 évnél fiatalabb korúval.
- Azok a betegek, akiknél vékony metszetű mellkasi CT-vizsgálaton estek át a kezelés előtti staging és/vagy az azt követő kezelés utáni követés céljából.
- A mellkasi CT-felvételeken észlelt gyanús tüdőcsomókkal.
Kizárási kritériumok:
- Egyidejű elváltozásokban szenvedő betegek, amelyek befolyásolhatják a tüdőcsomók elemzését.
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
pontosság
Időkeret: 3 év
|
a valódi eredmények (mind az igazi pozitív, mind a valódi negatívumok) aránya a teljes példányok között
|
3 év
|
|
érzékenység
Időkeret: 3 év
|
valódi pozitív arány százalékban (%) ROC-analízisből származtatva
|
3 év
|
|
sajátosság
Időkeret: 3 év
|
valódi negatív arány százalékban (%) a ROC elemzésből származtatva
|
3 év
|
|
görbe alatti terület (AUC)
Időkeret: 3 év
|
ROC görbe alatti terület százalékban (%)
|
3 év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
a hamis pozitív eredmények átlagos száma vizsgálatonként (FP/szkennelés)
Időkeret: 3 év
|
FP/szkennelés számban (N) a szabad reagálású vevő működési jellemzői (FROC) elemzése alapján
|
3 év
|
|
versenyteljesítmény-mutató (CPM)
Időkeret: 3 év
|
A versenyképes teljesítménymetria (CPM) a CAD-rendszer értékelésének kritériuma.
A FROC paradigma alapján a CPM pontszámot átlagos érzékenységként számítják ki hét előre meghatározott átlagos téves pozitív arány mellett.
A CPM-pontszám 0 és 1 között mozog, a magasabb CPM-pontszám jobb CAD-teljesítményt jelez.
|
3 év
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Együttműködők
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2019. november 6.
Elsődleges befejezés (Tényleges)
2023. augusztus 1.
A tanulmány befejezése (Tényleges)
2024. január 31.
Tanulmányi regisztráció dátumai
Először benyújtva
2019. július 15.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2019. július 15.
Első közzététel (Tényleges)
2019. július 17.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2024. február 7.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2024. február 6.
Utolsó ellenőrzés
2024. február 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 2019.421
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .