Egy mély tanulási modell kidolgozása és validálása a távoli metasztázisok előrejelzésére az nasopharyngealis carcinomában, teljes csúszdaképezés és MRI alkalmazásával
2025. február 21. frissítette: Pu-Yun OuYang, Sun Yat-sen University
A mély tanulási modell fejlesztése és multicentrikus validálása az nasopharynx és a nyirokcsomók mágneses rezonancia képalkotása alapján, a távoli metasztázisok előrejelzésére az nasopharyngealis carcinoma diagnózisában
Egy AI -modellt fejlesztettek ki, hogy előre jelezzék a távoli metasztázis valószínűségét az nasopharyngealis rákban szenvedő betegekben, a primer daganat patológiájának és MRI -vizsgálata alapján.
A modellt több központból származó adatok felhasználásával validáltuk.
Ezután az előrehaladott szakaszban szenvedő betegeknél alkalmazták, akiknek az NCCN vagy a CSCO irányelvei alapján javasolták a PET/CT szkennelést.
Ez az AI -modell pontosan átvizsgálja a távoli metasztázis magas kockázatú betegeket a kezdeti diagnózis idején, hogy PET/CT -t kapjon, elkerülje a távoli metasztázis alacsony kockázatú betegek túlzott vizsgálatát, az orvosi erőforrásokat megtakarítsák és csökkentsék a betegek gazdasági terheit.
A tanulmány áttekintése
Állapot
Toborzás
Körülmények
Részletes leírás
Az AI-modellt az nasopharynx és a nyak MRI-vel festett patológiás szakaszai alapján készítették, hogy megjósolják a távoli metasztázis valószínűségét az első látogatáskor, és az AI modellt többcentrikus adatokkal teljes mértékben ellenőrizték; Az AI modellt alkalmazták a T3-4 vagy N2-3 betegekre, akiknek az NCCN és a CSCO irányelveinek megfelelően javasolták a PET/CT vizsgálatot, valamint az AI modell küszöbértékét, amikor az M0 negatív prediktív értéke nem kevesebb, mint 95% -ot határoztak meg, elméleti támogatást nyújtva az AI által előrejelzett betegek számára, hogy mentesüljenek a PET/CT vizsgálat alól.
Tanulmány típusa
Megfigyelő
Beiratkozás (Becsült)
500
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi kapcsolat
- Név: Pu-Yun OuYang
- Telefonszám: +8618565382769
- E-mail: ouyangpy@sysucc.org.cn
Tanulmányi helyek
-
-
Guangdong
-
Guangzhou, Guangdong, Kína, 510060
- Toborzás
- Sun Yat-sen University Cancer Center
-
Kapcsolatba lépni:
- Pu-Yun OuYang
- Telefonszám: +86 18565382769
- E-mail: ouyangpy@sysucc.org.cn
-
Kapcsolatba lépni:
- Pu-Yun OuYang
- E-mail: ouyangpy@sysucc.org.cn
-
Guangzhou, Guangdong, Kína, 510060
- Még nincs toborzás
- Department of Radiation Oncology, Sun Yat-sen University Cancer Center
-
Kapcsolatba lépni:
- Pu-Yun OuYang
- Telefonszám: 86+020-87342925
- E-mail: ouyangpy@sysucc.org.cn
-
Kapcsolatba lépni:
- Pu-Yun OuYang
-
-
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
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
Patológiailag megerősített nasopharyngealis karcinómában szenvedő betegek
Leírás
Befogadási kritériumok:
A. Az elsődleges léziót patológiailag megerősítették nasopharyngealis carcinoma -ként (WHO besorolása I, II és III); B. A stádium T3-4 vagy N2-3 volt, és az nasopharynx + nyaki MRI sima letapogatást és a továbbfejlesztett vizsgálatot végeztük az nasopharyngealis és a nyaki nyirokcsomó-elváltozások megerősítésére, valamint a PET/CT vagy a hagyományos vizsgálat (mellkasi CT sima pásztázó + továbbfejlesztett Szkennelés, felső hasi CT vagy MRI sima szkennelés + fokozott szkennelés vagy hasi színű Doppler ultrahang vagy ultrahang angiográfia, valamint a teljes test csont képalkotást) végeztünk a távoli metasztázisok szűrésére.
Kizárási kritériumok:
Más rosszindulatú daganatok (például más fej- és nyaki laphámsejtes karcinómák, pajzsmirigyrák, emlőrák, nyelőcső rák stb.) Korábbi története.
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
Leendő validációs kohorsz
Leendő beteg beiratkozása az AI modell diagnosztikai hatékonyságának validálására
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Negatív prediktív érték
Időkeret: a tanulmány befejezésén keresztül átlagosan 2 év
|
Az NPV méri a ténylegesen negatív negatív esetek arányát.
Megmondja nekünk, mennyire megbízható a modell, amikor a negatív eredményt előrejelzi.
|
a tanulmány befejezésén keresztül átlagosan 2 év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Érzékenység, specifitás és pozitív prediktív érték
Időkeret: a tanulmány befejezésén keresztül átlagosan 2 év
|
Az AI érzékenysége, specifitása és pozitív prediktív értéke a távoli metasztázis előrejelzésében a küszöbön, amely 95%negatív prediktív értéknek felel meg.
|
a tanulmány befejezésén keresztül átlagosan 2 év
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Együttműködők
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
- OuYang PY, He Y, Guo JG, Liu JN, Wang ZL, Li A, Li J, Yang SS, Zhang X, Fan W, Wu YS, Liu ZQ, Zhang BY, Zhao YN, Gao MY, Zhang WJ, Xie CM, Xie FY. Artificial intelligence aided precise detection of local recurrence on MRI for nasopharyngeal carcinoma: a multicenter cohort study. EClinicalMedicine. 2023 Aug 30;63:102202. doi: 10.1016/j.eclinm.2023.102202. eCollection 2023 Sep.
- Zhong L, Dong D, Fang X, Zhang F, Zhang N, Zhang L, Fang M, Jiang W, Liang S, Li C, Liu Y, Zhao X, Cao R, Shan H, Hu Z, Ma J, Tang L, Tian J. A deep learning-based radiomic nomogram for prognosis and treatment decision in advanced nasopharyngeal carcinoma: A multicentre study. EBioMedicine. 2021 Aug;70:103522. doi: 10.1016/j.ebiom.2021.103522. Epub 2021 Aug 11.
- Qiang M, Li C, Sun Y, Sun Y, Ke L, Xie C, Zhang T, Zou Y, Qiu W, Gao M, Li Y, Li X, Zhan Z, Liu K, Chen X, Liang C, Chen Q, Mai H, Xie G, Guo X, Lv X. A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma. J Natl Cancer Inst. 2021 May 4;113(5):606-615. doi: 10.1093/jnci/djaa149.
- Lin L, Dou Q, Jin YM, Zhou GQ, Tang YQ, Chen WL, Su BA, Liu F, Tao CJ, Jiang N, Li JY, Tang LL, Xie CM, Huang SM, Ma J, Heng PA, Wee JTS, Chua MLK, Chen H, Sun Y. Deep Learning for Automated Contouring of Primary Tumor Volumes by MRI for Nasopharyngeal Carcinoma. Radiology. 2019 Jun;291(3):677-686. doi: 10.1148/radiol.2019182012. Epub 2019 Mar 26.
- OuYang PY, Zhang BY, Guo JG, Liu JN, Li J, Peng QH, Yang SS, He Y, Liu ZQ, Zhao YN, Li A, Wu YS, Hu XF, Chen C, Han F, You KY, Xie FY. Deep learning-based precise prediction and early detection of radiation-induced temporal lobe injury for nasopharyngeal carcinoma. EClinicalMedicine. 2023 Apr 4;58:101930. doi: 10.1016/j.eclinm.2023.101930. eCollection 2023 Apr.
- Sun XS, Liu SL, Luo MJ, Li XY, Chen QY, Guo SS, Wen YF, Liu LT, Xie HJ, Tang QN, Liang YJ, Yan JJ, Lin DF, Bi MM, Liu Y, Liang YF, Ma J, Tang LQ, Mai HQ. The Association Between the Development of Radiation Therapy, Image Technology, and Chemotherapy, and the Survival of Patients With Nasopharyngeal Carcinoma: A Cohort Study From 1990 to 2012. Int J Radiat Oncol Biol Phys. 2019 Nov 1;105(3):581-590. doi: 10.1016/j.ijrobp.2019.06.2549. Epub 2019 Jul 15.
- Tang LQ, Chen QY, Fan W, Liu H, Zhang L, Guo L, Luo DH, Huang PY, Zhang X, Lin XP, Mo YX, Liu LZ, Mo HY, Li J, Zou RH, Cao Y, Xiang YQ, Qiu F, Sun R, Chen MY, Hua YJ, Lv X, Wang L, Zhao C, Guo X, Cao KJ, Qian CN, Zeng MS, Mai HQ. Prospective study of tailoring whole-body dual-modality [18F]fluorodeoxyglucose positron emission tomography/computed tomography with plasma Epstein-Barr virus DNA for detecting distant metastasis in endemic nasopharyngeal carcinoma at initial staging. J Clin Oncol. 2013 Aug 10;31(23):2861-9. doi: 10.1200/JCO.2012.46.0816. Epub 2013 Jul 15. Erratum In: J Clin Oncol. 2016 Feb 10;34(5):519. doi: 10.1200/jco.2015.66.3427.
- Xiao BB, Lin DF, Sun XS, Zhang X, Guo SS, Liu LT, Luo DH, Sun R, Wen YF, Li JB, Lv XF, Han LJ, Yuan L, Liu SL, Tang QN, Liang YJ, Li XY, Guo L, Chen QY, Fan W, Mai HQ, Tang LQ. Nomogram for the prediction of primary distant metastasis of nasopharyngeal carcinoma to guide individualized application of FDG PET/CT. Eur J Nucl Med Mol Imaging. 2021 Jul;48(8):2586-2598. doi: 10.1007/s00259-020-05128-8. Epub 2021 Jan 8.
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 (Becsült)
2025. február 15.
Elsődleges befejezés (Becsült)
2026. december 31.
A tanulmány befejezése (Becsült)
2026. december 31.
Tanulmányi regisztráció dátumai
Először benyújtva
2025. február 14.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2025. február 14.
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. február 21.
Utolsó ellenőrzés
2025. február 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
- Stomatognatikus betegségek
- Patológiás folyamatok
- Neoplazmák webhelyenként
- Neoplazmák
- Neoplazmák szövettani típus szerint
- A fej és a nyak daganatai
- Neoplazmák, mirigyes és epiteliális
- Neoplasztikus folyamatok
- Karcinóma
- Fül-orr-gégészeti betegségek
- Garat neoplazmák
- Fül-orr-gégészeti neoplazmák
- Orrgarat betegségek
- Garatbetegségek
- Orrgarat neoplazmák
- Nasopharyngealis karcinóma
- Neoplazma metasztázis
Egyéb vizsgálati azonosító számok
- B2025-062-01
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
IPD terv leírása
Az egyes résztvevők adatait (IPD) nem lehet megosztani a beteg magánéletével, etikai megfontolásaival vagy intézményi politikáival kapcsolatos aggodalmak miatt.
A korlátozások az adatvédelmi előírásokból, a titoktartási megállapodásokból vagy az újbóli azonosítás lehetséges kockázatából származhatnak.
Ezenkívül, ha az adatok érzékeny orvosi információkat tartalmaznak, akkor a megosztáshoz speciális jóváhagyást vagy azonosítási folyamatokat igényelhet, amelyek nem megvalósíthatók.
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
az Egyesült Államokban gyártott és onnan exportált termék
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. .