Firma di deep learning per la previsione della risposta patologica completa alla chemioimmunoterapia neoadiuvante nel carcinoma polmonare non a piccole cellule
Un'integrazione di una firma di deep learning basata su tomografia computerizzata/tomografia a emissione di positroni/intera diapositiva (CT/PET/WSI) per prevedere la risposta patologica completa alla chemioimmunoterapia neoadiuvante nel carcinoma polmonare non a piccole cellule: uno studio multicentrico
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Intervento / Trattamento
Intervento / Trattamento
Tipo di studio
Tipo di studio
Iscrizione (Stimato)
Iscrizione
Contatti e Sedi
Luoghi di studio
-
-
Guizhou
-
Zunyi, Guizhou, Cina
- Reclutamento
- Affiliated Hospital of Zunyi Medical University
-
Contatto:
- Yongxiang Song, Dr
- Numero di telefono: 15505177258
- Email: zhong961008@163.com
-
-
Jiangxi
-
Nanchang, Jiangxi, Cina
- Reclutamento
- The First Affiliated Hospital of Nanchang University
-
Contatto:
- Bentong Yu, Dr
- Numero di telefono: 021-65115006
- Email: 1151697503@qq.com
-
-
Zhejiang
-
Ningbo, Zhejiang, Cina
- Reclutamento
- Ningbo HwaMei Hospital
-
Contatto:
- Minglei Yang, Dr
- Numero di telefono: 021-65115006
- Email: almondjj@163.com
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Età compresa tra 20 e 75 anni;
- Pazienti sottoposti a chirurgia curativa dopo chemioimmunoterapia neoadiuvante per NSCLC;
- Ottenuto il consenso informato scritto.
Criteri di esclusione:
- Dati immagine mancanti;
- Malattia patologica N3.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Area sotto la curva caratteristica operativa del ricevitore
Lasso di tempo: 2023.5.1-2023.10.31
|
L'area sotto la curva caratteristica operativa del ricevitore (ROC) del modello di deep learning nella previsione della risposta patologica completa (CPR).
La RCP è stata definita come assenza di tumore residuo sia nel tumore primario resecato che nei linfonodi.
I pazienti con carcinoma polmonare non a piccole cellule sottoposti a chemioimmunoterapia neoadiuvante raggiungeranno la RCP o la non RCP, che può essere confermata dall'esame patologico dopo la resezione chirurgica.
E il modello produrrà il valore predittivo (RCP/non-RCP) per ciascun paziente sottoposto a chemioimmunoterapia neoadiuvante.
|
2023.5.1-2023.10.31
|
Misure di risultato secondarie
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sensibilità
Lasso di tempo: 2023.5.1-2023.10.31
|
La sensibilità del modello di deep learning nel predire la risposta patologica completa.
La RCP è stata definita come assenza di tumore residuo sia nel tumore primario resecato che nei linfonodi.
I pazienti con carcinoma polmonare non a piccole cellule sottoposti a chemioimmunoterapia neoadiuvante raggiungeranno la RCP o la non RCP, che può essere confermata dall'esame patologico dopo la resezione chirurgica.
E il modello produrrà il valore predittivo (RCP/non-RCP) per ciascun paziente sottoposto a chemioimmunoterapia neoadiuvante.
|
2023.5.1-2023.10.31
|
Altre misure di risultato
Altre misure di risultato
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Specificità
Lasso di tempo: 2023.5.1-2023.10.31
|
La specificità del modello di deep learning nella previsione della risposta patologica completa.
La RCP è stata definita come assenza di tumore residuo sia nel tumore primario resecato che nei linfonodi.
I pazienti con carcinoma polmonare non a piccole cellule sottoposti a chemioimmunoterapia neoadiuvante raggiungeranno la RCP o la non RCP, che può essere confermata dall'esame patologico dopo la resezione chirurgica.
E il modello produrrà il valore predittivo (RCP/non-RCP) per ciascun paziente sottoposto a chemioimmunoterapia neoadiuvante.
|
2023.5.1-2023.10.31
|
|
Valore predittivo positivo
Lasso di tempo: 2023.5.1-2023.10.31
|
Il valore predittivo positivo del modello di deep learning nella previsione della risposta patologica completa.
La RCP è stata definita come assenza di tumore residuo sia nel tumore primario resecato che nei linfonodi.
I pazienti con carcinoma polmonare non a piccole cellule sottoposti a chemioimmunoterapia neoadiuvante raggiungeranno la RCP o la non RCP, che può essere confermata dall'esame patologico dopo la resezione chirurgica.
E il modello produrrà il valore predittivo (RCP/non-RCP) per ciascun paziente sottoposto a chemioimmunoterapia neoadiuvante.
|
2023.5.1-2023.10.31
|
|
Valore predittivo negativo
Lasso di tempo: 2023.5.1-2023.10.31
|
Il valore predittivo negativo del modello di deep learning nella previsione della risposta patologica completa.
La RCP è stata definita come assenza di tumore residuo sia nel tumore primario resecato che nei linfonodi.
I pazienti con carcinoma polmonare non a piccole cellule sottoposti a chemioimmunoterapia neoadiuvante raggiungeranno la RCP o la non RCP, che può essere confermata dall'esame patologico dopo la resezione chirurgica.
E il modello produrrà il valore predittivo (RCP/non-RCP) per ciascun paziente sottoposto a chemioimmunoterapia neoadiuvante.
|
2023.5.1-2023.10.31
|
|
Precisione
Lasso di tempo: 2023.5.1-2023.10.31
|
L'accuratezza del modello di deep learning nella previsione della risposta patologica completa.
La RCP è stata definita come assenza di tumore residuo sia nel tumore primario resecato che nei linfonodi.
I pazienti con carcinoma polmonare non a piccole cellule sottoposti a chemioimmunoterapia neoadiuvante raggiungeranno la RCP o la non RCP, che può essere confermata dall'esame patologico dopo la resezione chirurgica.
E il modello produrrà il valore predittivo (RCP/non-RCP) per ciascun paziente sottoposto a chemioimmunoterapia neoadiuvante.
|
2023.5.1-2023.10.31
|
Collaboratori e investigatori
Sponsor
Sponsor
Collaboratori
Collaboratori
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Inizio studio
Completamento primario (Stimato)
Completamento primario
Completamento dello studio (Stimato)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- DLCPR
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Carcinoma polmonare non a piccole cellule
-
NCT07267247CompletatoCardiotossicità | Carcinoma Polmonare Non a Piccole Cellule (MeSH Term: Carcinoma, Non-Small-Cell Lung) | Effetti Collaterali e Reazioni Avverse Correlati ai Farmaci (Termine MeSH) | Inibitore della Tirosin-chinasi dell'Egfr
-
NCT05035407TerminatoKita-kyushu Lung Cancer Antigen 1, umano
-
NCT07469709ReclutamentoCancro al seno | Cancro ovarico | Cancro del colon-retto | Melanoma (cancro della pelle) | Carcinoma Polmonare Non a Piccole Cellule (MeSH Term: Carcinoma, Non-Small-Cell Lung)
-
NCT00326898CompletatoCarcinoma a cellule renali a cellule chiare | Cancro a cellule renali in stadio III AJCC v7 | Cancro a cellule renali in stadio II AJCC v7 | Stadio I Renal Cell Cancer AJCC v6 e v7
-
NCT02595918TerminatoCarcinoma a cellule renali a cellule chiare | Carcinoma a cellule renali metastatico | Cancro a cellule renali in stadio III AJCC v7 | Cancro a cellule renali in stadio IV AJCC v7 | Cancro a cellule renali in stadio II AJCC v7 | Stadio I Renal Cell Cancer AJCC v6 e v7
Prove cliniche su Firma Deep Learning basata su CT/PET/WSI
-
NCT05425134ReclutamentoCarcinoma polmonare non a piccole cellule
-
NCT05542992ReclutamentoCancro ai polmoni
-
NCT05925738ReclutamentoCarcinoma polmonare non a piccole cellule | Diffusione attraverso lo spazio aereo | Invasione pleurica viscerale | Invasione linfovascolare