Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Immagine dell'intera diapositiva per la previsione del nuovo sistema di classificazione dell'adenocarcinoma polmonare resecato

17 ottobre 2024 aggiornato da: Chang Chen, Shanghai Pulmonary Hospital, Shanghai, China

Firma di deep learning basata su immagini di diapositive intere per prevedere il nuovo sistema di classificazione dell'adenocarcinoma polmonare resecato

Lo scopo di questo studio è valutare le prestazioni di una firma di deep learning basata su un'intera immagine di diapositiva per prevedere il nuovo sistema di classificazione nell'adenocarcinoma polmonare resecato sulla base di una coorte prospettica multicentrica.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Stimato)

200

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Luoghi di studio

  • Cina
    • Guizhou
      • Zunyi, Guizhou, Cina
        • Reclutamento
        • Affiliated Hospital Of Zunyi Medical University
        • Contatto:
    • Jiangxi
      • Nanchang, Jiangxi, Cina
        • Reclutamento
        • The First Affiliated Hospital of Nanchang University
        • Contatto:
    • Zhejiang
      • Ningbo, Zhejiang, Cina
        • Reclutamento
        • Ningbo HwaMei Hospital
        • Contatto:

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

  • Adulto
  • Adulto più anziano

Accetta volontari sani

N/A

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Adenocarcinoma polmonare resecato

Descrizione

Criterio di inclusione:

  1. Conferma patologica di adenocarcinoma polmonare primitivo;
  2. Età compresa tra 20 e 75 anni;
  3. Ottenuto il consenso informato scritto.

Criteri di esclusione:

  1. lesioni polmonari multiple;
  2. Scarsa qualità delle immagini dell'intera diapositiva;
  3. Partecipanti con informazioni cliniche incomplete;
  4. Adenocarcinomi mucinosi e varianti;
  5. - Partecipanti che hanno ricevuto terapia neoadiuvante.

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Tasso di concordanza del sistema di valutazione IASLC
Lasso di tempo: 2024.11.01-2024.12.31
Tasso di accordo tra il modello di deep learning e i patologi nella diagnosi del grado IASLC di adenocarcinoma polmonare.
2024.11.01-2024.12.31

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Tasso di concordanza dei sottotipi predominanti
Lasso di tempo: 2024.11.01-2024.12.31
Tasso di accordo tra il modello di deep learning e i patologi nella diagnosi dei modelli di crescita predominanti dell'adenocarcinoma polmonare.
2024.11.01-2024.12.31

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 basato sull'intera immagine della diapositiva nella previsione del nuovo sistema di classificazione dell'adenocarcinoma polmonare resecato. Il nuovo sistema di classificazione dell'adenocarcinoma polmonare comprende il grado I, il grado II e il grado III. E il modello produrrà i valori predittivi (grado I/grado II/grado III) del grado per ciascun paziente con adenocarcinoma polmonare resecato.
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 basato sull'immagine dell'intera diapositiva nella previsione del nuovo sistema di classificazione dell'adenocarcinoma polmonare resecato. Il nuovo sistema di classificazione dell'adenocarcinoma polmonare comprende il grado I, il grado II e il grado III. E il modello produrrà i valori predittivi (grado I/grado II/grado III) del grado per ciascun paziente con adenocarcinoma polmonare resecato.
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 basato sull'immagine dell'intera diapositiva nella previsione del nuovo sistema di classificazione dell'adenocarcinoma polmonare resecato. Il nuovo sistema di classificazione dell'adenocarcinoma polmonare comprende il grado I, il grado II e il grado III. E il modello produrrà i valori predittivi (grado I/grado II/grado III) del grado per ciascun paziente con adenocarcinoma polmonare resecato.
2023.5.1-2023.10.31
Precisione
Lasso di tempo: 2023.5.1-2023.10.31
L'accuratezza del modello di deep learning basato sull'intera immagine della diapositiva nella previsione del nuovo sistema di classificazione dell'adenocarcinoma polmonare resecato. Il nuovo sistema di classificazione dell'adenocarcinoma polmonare comprende il grado I, il grado II e il grado III. E il modello produrrà i valori predittivi (grado I/grado II/grado III) del grado per ciascun paziente con adenocarcinoma polmonare resecato.
2023.5.1-2023.10.31

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Shanghai Pulmonary Hospital, Shanghai, China

Collaboratori

Zunyi Medical College
Ningbo HwaMei Hospital, Zhejiang, China
The First Affiliated Hospital of Nanchang University, Jiangxi, China

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

15 ottobre 2024

Completamento primario (Stimato)

31 dicembre 2024

Completamento dello studio (Stimato)

31 dicembre 2024

Date di iscrizione allo studio

Primo inviato

12 maggio 2023

Primo inviato che soddisfa i criteri di controllo qualità

27 giugno 2023

Primo Inserito (Effettivo)

29 giugno 2023

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

21 ottobre 2024

Ultimo aggiornamento inviato che soddisfa i criteri QC

17 ottobre 2024

Ultimo verificato

1 ottobre 2024

Maggiori informazioni

Termini relativi a questo studio

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • WSIGS

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

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 Adenocarcinoma polmonare

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Poland

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi