- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT05096533
A mesterséges intelligencia alkalmazási értéke a hólyagrák MRI precíziós diagnosztikájában és kezelésében
2021. október 19. frissítette: The First Affiliated Hospital with Nanjing Medical University
Leendő többközpontú klinikai tanulmány a mesterséges intelligencia alkalmazási értékéről a hólyagrák MRI precíziós diagnosztikájában és kezelésében
Ez a vizsgálat egy prospektív, többközpontú megfigyeléses klinikai vizsgálat volt. Összesen 150 húgyhólyag-daganatos beteg felvételét tervezték, akiket az egyes centrumok urológiai osztályára vettek fel kezelésre, és elektromos reszekción vagy radikális cystectomián estek át.
A posztoperatív patológiás stádium előrejelzésében a mesterséges intelligencia érzékenységének, specifitásának és pontosságának elemzése érdekében a csoportba került betegeket 3 évig követtük, majd elemeztük a mesterséges intelligencia előrejelzési eredményei és a páciens OS PFS RFS közötti összefüggését.
Előzetesen bebizonyosodott, hogy a mesterséges intelligencia modell eredményei megjósolhatják a hólyagrákos betegek prognózisát.
A tanulmány áttekintése
Állapot
Toborzás
Körülmények
Részletes leírás
Előzetes kutatás: Ez a kutatás multidiszciplináris közös kutatás a mesterséges intelligencia és a mágneses rezonancia kombinálásával, pontosabbá teheti a húgyhólyagrák stádiumának preoperatív meghatározását, és irányítja a klinikus dolgozó kezelési tervét.
Jelenleg olyan mesterséges intelligencia modellt dolgoztak ki, amely preoperatív mágneses rezonancia képeken alapul, hogy előre jelezze a stádiumot és a beteg prognózisát.
A mélytanuló mesterséges intelligencia hálózaton keresztül felépítettünk egy szakaszolási predikciós modellt, majd mágneses rezonancia képadatokat és kapcsolódó posztoperatív patológiai adatokat gyűjtöttünk a betegekről, majd 576 beteget követtünk nyomon stádiummodell konstrukció alapján.
A betegek operációs rendszerének, PFS-ének és RFS-ének megszerzésével véletlenszerűen kiválasztottak egy részt a mély tanulási hálózat modelljének képzéséhez.
A másik alkatrészt tesztkészletként használják a pontosságának ellenőrzésére.
Ez a vizsgálat egy prospektív, többközpontú megfigyeléses klinikai vizsgálat volt. Összesen 150 húgyhólyag-daganatos beteg felvételét tervezték, akiket az egyes centrumok urológiai osztályára vettek fel kezelésre, és elektromos reszekción vagy radikális cystectomián estek át.
A posztoperatív patológiás stádium előrejelzésében a mesterséges intelligencia érzékenységének, specifitásának és pontosságának elemzése érdekében a csoportba került betegeket 3 évig követtük, majd elemeztük a mesterséges intelligencia előrejelzési eredményei és a páciens OS PFS RFS közötti összefüggését.
Előzetesen bebizonyosodott, hogy a mesterséges intelligencia modell eredményei megjósolhatják a hólyagrákos betegek prognózisát.
Tanulmány típusa
Megfigyelő
Beiratkozás (Várható)
150
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Jiangsu
-
Nanjing, Jiangsu, Kína, 210000
- Toborzás
- The First Affiliated Hospital of Nanjing Medical University
-
Kapcsolatba lépni:
- Qiang Lu
- Telefonszám: 13505196501
- E-mail: dxhlvqiang@163.com
-
-
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
- Gyermek
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Nem
Tanulmányozható nemek
Összes
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
A betegek minden vizsgálati központban MRI-t kapnak, és átesnek a műtéten.
Leírás
Bevételi kritériumok:
- A műtét előtti vizsgálat a pácienst húgyhólyagrákra készteti;
- A nemnek nincs korlátozása;
- 18 éves vagy idősebb;
- Műtét előtti MRI képeket biztosíthat;
- beleegyezik abba, hogy személyes alapvető klinikai információkat, valamint patológiai és képalkotó adatokat ad tudományos kutatáshoz, és aláírja a tájékozott beleegyezését;
- Fogadja el, hogy a megfigyelési eredményeket megadja az ismétlődések nyomon követése során.
Kizárási kritériumok:
- A beteg nem tudott preoperatív MRI-képeket készíteni, beleértve a neoadjuváns terápia utáni és a műtét előtti MRI-képeket is;
- Azok a betegek, akiknek a mintákról hiányos patológiai információi voltak, nem tudtak pontos stádium- és osztályozási információkat szolgáltatni;
- A betegek saját okuk miatt nem operálhatók: súlyos szívelégtelenség, heveny szívinfarktus, súlyos szív- és tüdőbetegségek stb., nem tolerálják a normál műtéti kezelést;
- Azok a betegek, akiket nemrégiben műtéten (pl. TURBT) estek át az MRI-vizsgálat előtt;
- A kutató úgy gondolja, hogy vannak olyan körülmények, amelyek ronthatják a vizsgálati alanyt, vagy azt okozhatják, hogy az alany nem teljesíti vagy nem teljesíti a tanulmányi követelményeket;
- A betegek nem tudnak írásos beleegyezést adni.
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 |
|---|---|---|
|
Feltárni a mesterséges intelligencia alkalmazási értékét a hólyagdaganatok precíz diagnosztizálásában és kezelésében, valamint mesterséges intelligencia segítségével javítani a hólyagrák stádiumának és fokozatának MRI diagnózisának pontosságát.
Időkeret: 1 év
|
2. A mesterséges intelligencia diagnosztikai vizsgálati eredményeinek a műtét arany standard eredményeivel való összhangjának elemzésén keresztül a mesterséges intelligencia diagnózisának érzékenysége, specificitása, pozitív prediktív értéke (PPV), negatív prediktív értéke (NPV) a műtét előtt.
|
1 év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Általános túlélés
Időkeret: 3 évvel a műtét után
|
A mesterséges intelligencia modellje és az OS közötti összefüggést elemezték hólyagrákos betegekben, hogy előzetesen ellenőrizzék a mesterséges intelligencia modell eredményeinek potenciális képességét a hólyagrákos betegek prognózisának előrejelzésében.
|
3 évvel a műtét után
|
Egyéb eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
kiújulásmentes túlélés
Időkeret: 3 évvel a műtét után
|
A mesterséges intelligencia modell és az RFS közötti összefüggést elemezték hólyagrákos betegekben, hogy előzetesen ellenőrizzék a mesterséges intelligencia modell eredményeinek potenciális képességét a hólyagrákos betegek prognózisának előrejelzésében.
|
3 évvel a műtét után
|
|
progressziómentes túlélés
Időkeret: 3 évvel a műtét után
|
A mesterséges intelligencia modell és a PFS közötti összefüggést elemeztük hólyagrákos betegekben, hogy előzetesen ellenőrizzük, hogy a mesterséges intelligencia modell eredményei mennyire képesek előre jelezni a hólyagrákos betegek prognózisát.
|
3 évvel a műtét után
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Általános kiadványok
- Panebianco V, Narumi Y, Altun E, Bochner BH, Efstathiou JA, Hafeez S, Huddart R, Kennish S, Lerner S, Montironi R, Muglia VF, Salomon G, Thomas S, Vargas HA, Witjes JA, Takeuchi M, Barentsz J, Catto JWF. Multiparametric Magnetic Resonance Imaging for Bladder Cancer: Development of VI-RADS (Vesical Imaging-Reporting And Data System). Eur Urol. 2018 Sep;74(3):294-306. doi: 10.1016/j.eururo.2018.04.029. Epub 2018 May 10.
- Wang H, Luo C, Zhang F, Guan J, Li S, Yao H, Chen J, Luo J, Chen L, Guo Y. Multiparametric MRI for Bladder Cancer: Validation of VI-RADS for the Detection of Detrusor Muscle Invasion. Radiology. 2019 Jun;291(3):668-674. doi: 10.1148/radiol.2019182506. Epub 2019 Apr 23.
- Suarez-Ibarrola R, Hein S, Reis G, Gratzke C, Miernik A. Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer. World J Urol. 2020 Oct;38(10):2329-2347. doi: 10.1007/s00345-019-03000-5. Epub 2019 Nov 5.
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)
2021. január 1.
Elsődleges befejezés (Várható)
2022. május 1.
A tanulmány befejezése (Várható)
2023. január 1.
Tanulmányi regisztráció dátumai
Először benyújtva
2021. október 7.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2021. október 19.
Első közzététel (Tényleges)
2021. október 27.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2021. október 27.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2021. október 19.
Utolsó ellenőrzés
2021. október 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 2021-SR-409
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. .