- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06301945
Strumento di previsione dell'intelligenza artificiale nei tumori epiteliali timici (INTHYM)
Intelligenza artificiale per la classificazione istopatologica e la previsione della recidiva dei tumori epiteliali timici
Questo studio osservazionale multicentrico mira a migliorare la classificazione del tumore epiteliale del timo e a prevedere i rischi di recidiva utilizzando modelli di intelligenza artificiale. Analizzando la patologia digitale e le variabili cliniche, il progetto affronta le discrepanze nell’attuale sistema di classificazione dell’OMS.
Domande principali:
- I modelli di intelligenza artificiale possono migliorare l’accuratezza della classificazione del tumore epiteliale del timo?
- I modelli di intelligenza artificiale prevedono meglio i rischi di recidiva rispetto al sistema di classificazione dell’OMS?
Compiti dei partecipanti:
- Analisi di patologia digitale.
- Sviluppa modelli di intelligenza artificiale per una classificazione precisa e una previsione del rischio di ricorrenza.
Gruppo di confronto:
I ricercatori confronteranno la classificazione migliorata dall’intelligenza artificiale con il sistema dell’OMS per determinare se i modelli di intelligenza artificiale forniscono sottotipizzazioni più precise e prevedono meglio i rischi di recidiva.
Progettazione dello studio:
Questo progetto internazionale utilizza tre database di Rotterdam, Maastricht e Lione, con un database per la creazione di modelli di intelligenza artificiale e gli altri due per la convalida esterna.
Obiettivo finale:
Sviluppare modelli di intelligenza artificiale che supportino i patologi nella sottotipizzazione accurata dei tumori epiteliali del timo, prevenendo il sottotrattamento o il sovratrattamento con radioterapia adiuvante per un trattamento più personalizzato ed efficace.
Panoramica dello studio
Stato
Descrizione dettagliata
I tumori epiteliali del timo sono neoplasie rare del mediastino anteriore. La pietra angolare del trattamento è la resezione chirurgica. La somministrazione della radioterapia postoperatoria è solitamente indicata nei pazienti con malattia locale più estesa, resezione incompleta e/o sottotipi più aggressivi, definiti dalla classificazione istopatologica dell'OMS.
In questa classificazione si distinguono il timoma di tipo A, AB, B1, B2, B3 e il carcinoma del timo. Gli studi hanno mostrato ampie discordanze tra i patologi nella sottotipizzazione di questi tumori. Inoltre, la sola classificazione dell’OMS non prevede con precisione il rischio di recidiva, poiché all’interno dei sottotipi i pazienti hanno prognosi divergenti.
Svilupperemo modelli di intelligenza artificiale utilizzando la patologia digitale e variabili cliniche rilevanti per migliorare l'accuratezza della classificazione istopatologica dei tumori epiteliali del timo e per prevedere meglio il rischio di recidiva.
In questo progetto multicentrico e internazionale verranno utilizzati tre database esistenti di Rotterdam, Maastricht e Lione. Per tutti i modelli verrà utilizzato un database per creare modelli di intelligenza artificiale e gli altri due per la convalida esterna.
L'obiettivo finale di questo progetto è quello di sviluppare modelli di intelligenza artificiale che supportino il patologo nella corretta sottotipizzazione dei tumori epiteliali del timo, al fine di evitare che i pazienti siano sotto o sovra trattati con radioterapia adiuvante.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Contatto studio
- Nome: Anna Salut Esteve Domínguez
- Numero di telefono: 0107043491
- Email: a.estevedominguez@erasmusmc.nl
Luoghi di studio
-
-
South Holland
-
Rotterdam, South Holland, Olanda, 3015 GD
- Reclutamento
- Erasmus MC
-
Contatto:
- Anna Salut Esteve Domínguez
- Email: a.estevedominguez@erasmusmc.nl
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Popolazione dello studio:
Questo studio si concentra su individui con diagnosi di tumori epiteliali del timo. Lo studio comprende pazienti provenienti da tre set di dati: Erasmus MC (710 pazienti), Maastro (137 pazienti) e Ospedale universitario di Lione (181 pazienti).
Informazioni aggiuntive:
- Erasmus MC (710 pazienti): include informazioni su età, sesso e diagnosi; ciascun paziente può avere più immagini di diapositive intere.
- Maastro (137 pazienti): ogni paziente può avere più immagini di diapositive intere.
- Ospedale universitario di Lione (181 pazienti): ogni paziente può avere più immagini di diapositive intere.
Descrizione
Criterio di inclusione:
I partecipanti con diagnosi specifiche possono essere inclusi nello studio. Le diagnosi ammissibili includono vari sottotipi di timoma e carcinoma del timo, in particolare:
- Timoma A
- Timoma AB
- Timoma B1
- Timoma B2
- Timoma B3
- Carcinoma del timo
L'inclusione si basa su una diagnosi consensuale con un livello di accordo inferiore al 70%. Questo criterio viene applicato durante la fase di training del modello.
Criteri di ricorrenza:
I partecipanti con un esito di recidiva documentato entro un periodo di 5 anni sono considerati idonei per questo aspetto dello studio. Questo criterio viene applicato principalmente durante la fase di validazione.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
---|---|
Pazienti con TET
Pazienti con diagnosi dei seguenti sottotipi TET:
|
AI Diagnostics utilizza algoritmi avanzati per un'analisi precisa delle immagini istologiche per aiutare a diagnosticare la malattia, incluso il sottotipo.
Altri nomi:
|
Ricorrenza
Pazienti con tumori epiteliali del timo che hanno avuto recidiva.
|
Questo strumento di intelligenza artificiale valuta i dati sul tumore del timo e altri dati clinici e calcola il rischio di recidiva, con l'obiettivo di analizzare se esiste un'associazione con sottotipi specifici di tumori epiteliali del timo e dati clinici.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
WP1 - Database/Pre-elaborazione dei dati
Lasso di tempo: M1-M18
|
Il set di dati EMC comprende 179 pazienti TET classificati da patologi TET esperti.
I casi con un buon accordo tra i patologi verranno utilizzati per l'addestramento dei modelli di intelligenza artificiale.
La valutazione comprende diapositive di patologia digitalizzate valutate da un gruppo di esperti internazionali.
Il database MUMC (137 pazienti) e il database CHUL (181 pazienti) forniscono dati aggiuntivi, comprese le variabili cliniche.
I fattori rilevanti includono età, sesso, volume del tumore, stadio, completezza della resezione, malattie autoimmuni e dettagli del trattamento.
|
M1-M18
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
WP2 - Modello di deep learning per la classificazione TET e la previsione della ricorrenza
Lasso di tempo: M6-M32
|
Questo risultato mira a creare un quadro di intelligenza artificiale con due obiettivi principali.
Innanzitutto, indagare sui sottotipi TET utilizzando quattro diversi modelli che enfatizzano il tipo di cellula, le strutture morfologiche e una combinazione.
In secondo luogo, classificare i pazienti in base all’esito della recidiva entro 5 anni.
Uno studio sull'ablazione sarà condotto con classificatori di deep learning all'avanguardia (ResNet, Inception).
|
M6-M32
|
Altre misure di risultato
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
WP3: Valutazione Clinica
Lasso di tempo: M6-M36
|
I modelli AI 1-3 saranno costruiti e convalidati sul database EMC, mentre il modello AI 4 sarà costruito sul database MUMC+ e convalidato su entrambi.
Le prestazioni del modello saranno valutate utilizzando sensibilità, specificità, valore predittivo negativo/positivo.
Le curve di analisi decisionale quantificheranno il beneficio clinico, identificando i gruppi di pazienti con la maggiore utilità.
|
M6-M36
|
Collaboratori e investigatori
Sponsor
Pubblicazioni e link utili
Pubblicazioni generali
- Wolf JL, van Nederveen F, Blaauwgeers H, Marx A, Nicholson AG, Roden AC, Strobel P, Timens W, Weissferdt A, von der Thusen J, den Bakker MA. Interobserver variation in the classification of thymic lesions including biopsies and resection specimens in an international digital microscopy panel. Histopathology. 2020 Nov;77(5):734-741. doi: 10.1111/his.14167. Epub 2020 Sep 24.
- Molina TJ, Bluthgen MV, Chalabreysse L, de Montpreville VT, de Muret A, Dubois R, Hofman V, Lantuejoul S, le Naoures C, Mansuet-Lupo A, Parrens M, Piton N, Rouquette I, Secq V, Girard N, Marx A, Besse B. Impact of expert pathologic review of thymic epithelial tumours on diagnosis and management in a real-life setting: A RYTHMIC study. Eur J Cancer. 2021 Jan;143:158-167. doi: 10.1016/j.ejca.2020.11.011. Epub 2020 Dec 11.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- Maastro Clinic
- 72725524 (Altro numero di sovvenzione/finanziamento: Hanarth Fonds)
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 Diagnostica dell'intelligenza artificiale
-
Medfield DiagnosticsCompletato
-
Mansoura UniversityCompletatoSoddisfazione del paziente | Risultati clinici | Complicanza protesicaEgitto
-
North Bristol NHS TrustEKF DiagnosticsRitiratoMisurazione del lattato nel sangue fetaleRegno Unito
-
MP Biomedicals, LLCMP Biomedicals Asia Pacific Pte. Ltd.CompletatoInfezioni da HTLV-I | Infezioni da HTLV-II | Virus T-linfotropo umano 1 | Virus T-linfotropo umano 2 | Linfoma leucemico a cellule T associato a HTLV I | Mielopatie associate a HTLV IStati Uniti
-
MP Biomedicals, LLCMP Biomedicals Asia Pacific Pte. Ltd.CompletatoInfezioni da HTLV-I | Infezioni da HTLV-II | Virus T-linfotropo umano 1 | Virus T-linfotropo umano 2 | Linfoma leucemico a cellule T associato a HTLV I | Mielopatie associate a HTLV IStati Uniti
-
Stanford UniversitySanta Clara Valley Medical CenterRitiratoSifilide congenita | Sifilide materna durante la gravidanza - Bambino non ancora partoritoStati Uniti
-
KU LeuvenCompletato
-
Haukeland University HospitalSiemens Corporation, Corporate TechnologyReclutamento
-
Polish Society of Disaster MedicineAttivo, non reclutante
-
Center for Eye Research AustraliaNovartis PharmaceuticalsTerminatoDegenerazione maculare | Neovascolarizzazione coroidaleAustralia