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

MR-en alapuló gépi tanulási modell validálása a prosztatarák előrejelzésére

Multiparametrikus MR-en alapuló gépi tanulási modell validálása a klinikailag jelentős prosztatarák előrejelzésére

Ennek a megfigyeléses vizsgálatnak a célja egy klinikailag jelentős prediktív gépi tanulási modell validálása, amely az RMmp (Multiparametric Magnetic Resonance Imaging) képek feldolgozásán alapul. A hitelesítéshez a modellt ki kell értékelni:

  • Specificitás (SP): a negatív teszteredmény valószínűsége, amelynek feltétele, hogy az egyén valóban negatív legyen
  • Érzékenység (SN): a pozitív teszteredmény valószínűsége, amelynek feltétele, hogy az egyén valóban pozitív legyen

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Részletes leírás

Ez egy transzverzális, nem beavatkozást igénylő megfigyelési vizsgálat, amely magában foglalja a visszamenőlegesen és prospektíven gyűjtött adatok elemzését is.

A betegek felvételét a vizsgálóvezető által kijelölt radiológus egészségügyi személyzet végzi. A vezető kutató és megbízottjai lesznek felelősek az IRCCS Bolognai Egyetemi Kórház (Policlinico di Sant'Orsola) RIS-PACS-ből (retrospektív és prospektív) beiratkozott betegek képeinek beszerzéséért és ál-anonimizálásáért. Ha rendelkezésre áll, a prosztata műtéten átesett résztvevők számára az O.U. A Pathological Anatomy digitális felvételeket készít a prosztata makrometszeteiről.

A klinikailag jelentős CaP gépi tanulási modelljének validálásához egy eszközt bocsátanak a radiológusok rendelkezésére. Ezt az eszközt a Bolognai Egyetem DISI Informatikai – Tudományos és Mérnöki Osztálya és az Alma Mater Globális Kihívásokkal és Klímaváltozással foglalkozó Kutatóintézet (Alma Climate, Bolognai Egyetem) fejlesztette ki, és egy nyílt forráskódú Dicom megjelenítőbe, az Aliza MS-be integrálták. Dicom Viewer. Az orvosoknak ezután lehetőségük lesz önállóan elvégezni a (korábban pszeudoanonimizált) ADC szekvenciák szegmentálását, és elindítani a radiomikus folyamatot annak érdekében, hogy prediktív értéket kapjanak annak valószínűségére, hogy a szegmentált elváltozás klinikailag jelentős. Ezt a valószínűségi értéket a szoftver a PROSTATE_01-ben kifejlesztett gépi tanulási modell alapján számítja ki. Az eszköz lehetővé teszi az adatgyűjtést is (szervezett és álnévtelen). A CaP klinikailag szignifikáns prediktív modelljének validálása minden retrospektív és prospektív beiratkozású betegen megtörténik, kivéve a PROSTATE_01 modell képzési fázisában használtakat. A validált modell teljesítményének és a szelekciós torzítás hatásainak értékelése után, a toborzás retrospektív és prospektív befejezése után a korábban kidolgozott modell finomítására kerül sor. Ez magának a modellnek az "újraképzése" lesz, amelyet a teljes beiratkozott populációból véletlenszerűen kiválasztott betanítási és tesztadatkészleteken hajtanak végre, amelyekből véletlenszerűen, különbséggel megkapják az új validálás részhalmazát is.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

1100

Kapcsolatok és helyek

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

Tanulmányi kapcsolat

Tanulmányi helyek

      • Bologna, Olaszország, 40138
        • Toborzás
        • IRCCS Azienda Ospedaliero-Universitaria di Bologna
        • 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

  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

A tanulmányban olyan résztvevők vesznek részt, akik MMR-t végeztek az U.O.C. A Bolognai IRCCS Egyetemi Kórház, Sant'Orsola Poliklinika radiológiai addomino-medencei diagnosztikája és intervenciója és TRUS biopszia fúziós technikával a prosztata RMmp-jével. A retrospektív felvétel a 2015. szeptember 15. (a Policlinico di Sant'Orsola-ban az RMmp-vel végzett fúziós technikával végzett TRUS biopszia kezdete) és a tanulmány jóváhagyásának időpontja közötti időszakra vonatkozik. A leendő beiratkozás a vizsgálat jóváhagyásától a következő 3 évig eltelt időszakra vonatkozik.

Leírás

Bevételi kritériumok:

  • A vizsgálat időpontjában 18 éves résztvevők
  • Tájékozott beleegyezés megszerzése
  • Egy vagy több PI-RADSv2.1 ≥ 1 besorolású lézió jelenléte a prosztata RMmp-ben az IRCCS Azienda Ospedaliero-Universitaria Bolognában
  • A TRUS biopszia indikációja fúziós technikával, szisztematikus biopsziával integrálva a bolognai IRCCS Azienda Ospedaliero-Universitarián

Kizárási kritériumok:

  • Korábbi prosztata műtét vagy hormonterápia
  • Műszakilag nem megfelelő kivizsgálás műtermékek jelenlétére (csípőprotézis, endorectalis szonda mozgása stb.)

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
Specifikusság (SP)
Időkeret: A beiratkozástól a kezelés végéig 5 éves korig
A specifitás annak a valószínűsége, hogy negatív minősítést kapunk, vagy hogy a betegség valóban hiányzik.
A beiratkozástól a kezelés végéig 5 éves korig
Érzékenység (SN)
Időkeret: A beiratkozástól a kezelés végéig 5 éves korig
Az érzékenység a pozitív besorolás vagy a betegség tényleges fennállásának valószínűsége.
A beiratkozástól a kezelés végéig 5 éves korig
Pozitív prediktív érték (PPV)
Időkeret: A beiratkozástól a kezelés végéig 5 éves korig
Ez a valóban pozitívnak diagnosztizált betegek aránya az összes pozitív teszteredményt elérő betegekhez viszonyítva (beleértve azokat az egészséges alanyokat is, akiket rosszul diagnosztizáltak betegként).
A beiratkozástól a kezelés végéig 5 éves korig
Negatív prediktív érték (NPV)
Időkeret: A beiratkozástól a kezelés végéig 5 éves korig
Ez a valóban negatívnak diagnosztizált alanyok aránya az összes negatív teszteredményt elérő alanyhoz viszonyítva (beleértve azokat a betegeket is, akiket hibásan egészségesnek diagnosztizáltak).
A beiratkozástól a kezelés végéig 5 éves korig

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Kutatásvezető: Caterina Gaudiano, MD, IRCCS Azienda Ospedaliero-Universitaria di Bologna

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)

2024. május 21.

Elsődleges befejezés (Becsült)

2028. október 1.

A tanulmány befejezése (Becsült)

2028. november 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2025. január 9.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2025. január 9.

Első közzététel (Tényleges)

2025. március 25.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2025. március 25.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2025. január 9.

Utolsó ellenőrzés

2024. november 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

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. .

Iratkozz fel