Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

CADx – Radiomika a petefészektumorok eredetének megkülönböztetésére (CADx)

2022. január 10. frissítette: Jurgen M.J. Piek, Gynaecologisch Oncologisch Centrum Zuid

Számítógépes radiológia a rák kimutatására és a terápiás rétegződésre – jóindulatú vagy rosszindulatú petefészekdaganatok.

A petefészekdaganatban szenvedő nőknél gyakran nem világos, hogy a daganat jóindulatú vagy rosszindulatú. A megkülönböztetéshez tumormarkereket (CA125 és CEA), transzvaginális ultrahangot, valamint az ultrahangos képtől és a CA125 koncentrációtól függően CT-vizsgálatot végzünk. A radiológiai képalkotás minősége a hasi patológia diagnosztizálásában gyakran nem elég pontos, így a további beavatkozások nem szükségesek a daganat megfelelő osztályozásához és értelmezéséhez.

Célkitűzés: A jóindulatú és rosszindulatú betegségek megkülönböztetésének pontosabbá tétele petefészektömeggel jelentkező betegeknél számítógéppel segített kimutatási algoritmus segítségével.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Részletes leírás

Ez a kutatás a petefészekdaganatok természetének (jó- vagy rosszindulatú) meghatározásának pontosságának javítására irányul a mesterséges intelligencia felhasználásával egy CT-szkennelési algoritmus létrehozásával. Ennek oka, hogy a megfelelő kezeléshez elengedhetetlen a petefészekdaganatok helyes preoperatív osztályozása. A meglévő előrejelzési modellek gyakran vezetnek szükségtelen nőgyógyászati ​​onkológiai kórházakba történő beutalókhoz, ami magasabb költségeket és a páciens stresszét okozza. Ezért fontos más stratégiák értékelése a jóindulatú és rosszindulatú petefészekdaganatok megkülönböztetésére.

A radiológiai mesterséges intelligenciát (AI) jelenleg az Eindhoveni Műszaki Egyetem (TU/e) és a Philips Research Europe fejleszti, és ez potenciális megoldást jelenthet erre a problémára.

A jelenleg kifejlesztett algoritmus (CADx) egy támogató vektorgépet (SVM) használva egy kis, körülbelül 100 betegből álló populáción belül 74%-os szenzitivitást és 74%-os specificitást mutatott. Ezek ígéretes eredmények az algoritmus további képzéséhez, több CT-szkennelt képpel és klinikai változókkal, sőt folyékony biopsziával.

Vizsgálat típusa: Retrospektív vizsgálati kohorsz Ez egy olyan ismert adatok retrospektív elemzése, amelyben a betegek végleges diagnózisát már megállapították, és a jelenlegi elemzés nem befolyásolja a kezelési tervet.

Nem használnak betegeknek szánt termékeket, csak számítógépes diagnosztikát alkalmaznak a meglévő radiológiai képalkotásokon, nevezetesen a CT-vizsgálatokon.

Ez a tanulmány két másik holland kísérlethez kapcsolódik, amelyekben a petefészektumor biomarkereket értékelik annak érdekében, hogy a petefészekdaganatok eredetét a műtét előtt megtudják.

Az első a HE4 predikciós vizsgálat, az NL58253.031.16 helyi protokoll azonosítóval. A második az OVI-DETECT tanulmány, a klinikai vizsgálattal szám NCT04971421.

Tanulmány típusa

Megfigyelő

Beiratkozás (Várható)

600

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányozza a kapcsolattartók biztonsági mentését

  • Név: Anna Koch, MD
  • Telefonszám: 020-512 4303
  • E-mail: a.koch@nki.nl

Tanulmányi helyek

      • Amsterdam, Hollandia
        • Még nincs toborzás
        • Amsterdam Medical Center
        • Kapcsolatba lépni:
      • Breda, Hollandia
        • Toborzás
        • Amphia Hospital
        • Kapcsolatba lépni:
        • Alkutató:
          • Dineke Smedts, MD-PhD
    • Brabant
      • Eindhoven, Brabant, Hollandia, 5623EJ
    • Noord Holland
      • Amsterdam, Noord Holland, Hollandia, 1066 CX
        • Toborzás
        • Netherlands Cancer Institute
        • Kapcsolatba lépni:
          • Christianne Lok, MD; PhD
          • Telefonszám: 020 512 2957
          • E-mail: c.lok@nki.nl
      • Leiden, Noord Holland, Hollandia, 2333 ZA
        • Toborzás
        • Leiden University Medical Center
        • Kapcsolatba lépni:

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

18 év és régebbi (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

N/A

Tanulmányozható nemek

Női

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Olyan petefészekdaganatban szenvedő betegeket, akikről nem ismert, hogy jó- vagy rosszindulatú-e, stádiumos laparotomiára utalják be.

Leírás

Bevételi kritériumok:

  • olyan petefészekdaganatban szenvedő betegek, akikről nem ismert, hogy jóindulatú vagy rosszindulatú (a rosszindulatú daganat kockázati indexe (RMI) >200)
  • műtéten esett át
  • daganat szövettani bizonyítéka

Kizárási kritériumok:

  • határozatlan időre szóló patológiai jelentés
  • a szakaszolás helyes leírásának hiánya a VAGY jelentésben, ha alkalmazható

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
A CADx algoritmus érzékenysége és specificitása
Időkeret: 3-4 év
A rosszindulatú daganatok helyes meghatározásának százalékos aránya a rosszindulatú daganat kockázati indexe (RMI) alapján, összehasonlítva a CAD értékeléssel végzett pontos meghatározásával petefészekdaganatban szenvedő betegeknél
3-4 év

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A CADx algoritmus érzékenysége és specificitása további változókkal
Időkeret: 3-4 év
A CAD analízis eredményeinek korrelációja egyes betegeknél a keringő tumor (ct) DNS és fehérje tumormarkerek vagy más további klinikai változók elemzésével
3-4 év

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.

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. április 5.

Elsődleges befejezés (Várható)

2024. augusztus 1.

A tanulmány befejezése (Várható)

2025. augusztus 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2021. december 13.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2021. december 13.

Első közzététel (Tényleges)

2021. december 30.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2022. január 25.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2022. január 10.

Utolsó ellenőrzés

2022. január 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

ELDÖNTETLEN

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. .

Klinikai vizsgálatok a Petefészekrák

Klinikai vizsgálatok a CT-scan algoritmus

3
Iratkozz fel