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

A vesedaganat kezelésének optimalizálása mesterséges intelligencia modulok segítségével

2025. március 16. frissítette: Shao Pengfei

Mutmodális mesterséges intelligencia a vesedaganat kezelésének optimalizálására: Diagnózis, műtét és prognózis

Ennek a megfigyeléses vizsgálatnak az a célja, hogy javítsa a vese daganatos betegek kezelését a multimodális mesterséges intelligencia (AI) segítségével. Mérni fogja az AI-modellek előrejelzéseinek pontosságát is. A fő kérdések, amelyekre választ kíván adni:

A preoperatív CT-képekből tanulva az AI-modul pontosan tud-e szolgáltatni a daganatokkal kapcsolatos információkat, például jóindulatú vagy rosszindulatú, altípusokat, osztályozást, stádiumot stb.
vajon az AI modul segíthet-e a klinikusoknak megtalálni a legmegfelelőbb műtéti programot a vese daganatos betegek számára.
Az AI-modul képes-e integrálni a CT-képeket és a patológiai tárgylemezeket, amelyek kiegészítő prognosztikai információkat kínálnak a posztoperatív túlélés javítása érdekében.

Azok a résztvevők, akik elvégzik a CT (általában kontrasztanyagos CT, CECT) vizsgálatot, és radikális vagy részleges nephrectómián esnek át, aktív megfigyelést végeznek, és 5 éven keresztül rögzítik a posztoperatív túlélési adatokat.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Részletes leírás

Ebben a tanulmányban az AI-modell feltárja és tisztázza a vesetumor CT-képek és kóros képek azon jellemzőit, amelyeket nehéz manuálisan észlelni, majd korrelálja azokat a klinikai eredményekkel, ezáltal javítva a vesedaganatok diagnózisát és kezelési folyamatát. Először is, a modell pontosan meg tudja különböztetni a vesetumor altípusait, és megjósolja a stádiumot, a fokozatot és a komplexitást, hogy elkerülje a téves diagnózist, és segítse a klinikusokat a kezelési tervek kialakításában. Másodszor, a műtéti videókból tanulva a modell további információkat nyújthat a műtétek során, mint például fontos anatómiai tereptárgyak, daganatok elhelyezkedése. Végül a radiomikát és a patomikát kombinálva a modell különbséget tud tenni a műtét utáni magas és alacsony kockázatú betegek között, így személyre szabott prognosztikai útmutatást ad.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

2100

Kapcsolatok és helyek

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

Tanulmányi kapcsolat

Név: Shao Pengfei, Professor
Telefonszám: +8613851925825
E-mail: spf032@hotmail.com

Tanulmányozza a kapcsolattartók biztonsági mentését

Név: Miao Haoqi, Postgraduate
Telefonszám: +8613276636957
E-mail: mhq@stu.njmu.edu.cn

Tanulmányi helyek

Kína
- Jiangsu
  - Nanjing, Jiangsu, Kína, 210036
    - Toborzás
    - The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
    - Kapcsolatba lépni:
      
      Shao Pengfei, Professor
      
      Telefonszám: +8613851925825
      
      E-mail: spf032@hotmail.com
    - Kapcsolatba lépni:
      
      Miao Haoqi, Postgraduate
      
      Telefonszám: +8613276636957
      
      E-mail: mhq@stu.njmu.edu.cn

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

Felnőtt
Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Vesedaganatos betegek képalkotó vizsgálatokon, akik műtéten estek át

Leírás

Bevételi kritériumok:

Műtéttel kezelhető vese daganatos betegek;
Végezze el a CECT-t a műtét előtt 30 napon belül;
Azok a betegek, akik teljesen megértik ezt a vizsgálatot, és aláírják a tájékozott beleegyező nyilatkozatot;

Kizárási kritériumok:

Betegek, akiknek bármely eleme hiányzik a kiindulási klinikai és patológiai információkból;
Olyan betegek, akik a daganat felfedezésének időpontjára már áttétet adtak;
Korábbi kezelés bármilyen formában, beleértve a műtétet, a célzott terápiát és az immunterápiát;

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
Az AI modellek teljesítményének értékelése az "AUC" átfogó értékelési modell segítségével Időkeret: A beiratkozástól az 5 éves követés végéig	Az "AUC" a ROC (Receiver Operating Characteristic) görbe alatti területre utal, amely a modell teljesítményét jelzi a műtét utáni prosztatarák immunhisztokémiával kapcsolatos patológiás információinak előrejelzésében, és az AUC 0 és 1 között van, a nagyobb értékkel. a jobb előrejelző hatást jelezve.	A beiratkozástól az 5 éves követés végéig

Másodlagos eredményintézkedések

Eredménymérő	Intézkedés leírása	Időkeret
A modell teljesítményének értékelése a résztvevők műtét utáni prognózisának előrejelzéséhez Kaplan-Meier túlélési elemzéssel Időkeret: A beiratkozástól az 5 éves követés végéig	A Kaplan-Meier túlélési elemzés egy nem paraméteres statisztika, amelyet főként a túlélést jelző tényezők kiderítésére használnak.	A beiratkozástól az 5 éves követés végéig

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Shao Pengfei

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)

2025. január 1.

Elsődleges befejezés (Becsült)

2028. január 1.

A tanulmány befejezése (Becsült)

2033. december 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2024. december 2.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak