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.

Modello di intelligenza artificiale per la previsione della crescita degli organoidi del cancro ovarico

12 marzo 2024 aggiornato da: Chongqing University Cancer Hospital

Sviluppo e convalida del modello di previsione della crescita per gli organoidi del cancro ovarico basato sull'immagine in campo chiaro e sul deep learning

Il presente studio mira a raccogliere immagini precoci in campo chiaro di organoidi derivati ​​da pazienti affetti da cancro ovarico. Sfruttando l’intelligenza artificiale, questo studio cercherà di costruire e perfezionare algoritmi in grado di prevedere la crescita degli organoidi del cancro ovarico.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Stimato)

100

Contatti e Sedi

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

Contatto studio

  • Nome: Dongling Zou, MD
  • Numero di telefono: 13657690699
  • Email: cqzl_zdl@163.com

Luoghi di studio

  • Cina
    • Chongqing
      • Chongqing, Chongqing, Cina, 400030
        • Reclutamento
        • Chongqing Cancer Hospital
        • Investigatore principale:
          • Dongling Zou, M.D.
        • 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

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

No

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Pazienti con cancro epiteliale ovarico sono state sottoposte a biopsia o puntura per ottenere tessuti tumorali o versamento maligno

Descrizione

Criterio di inclusione:

  • I pazienti devono avere una diagnosi istologicamente confermata di cancro epiteliale dell'ovaio
  • I pazienti sono stati sottoposti a biopsia o puntura per ottenere tessuti tumorali o versamento maligno
  • I pazienti hanno partecipato volontariamente allo studio e hanno firmato il consenso informato.

Criteri di esclusione:

  • Cancro ovarico non epiteliale
  • Nessuna quantità sufficiente di tessuti tumorali o versamento maligno per la stabilizzazione degli organoidi.

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
AUC delle prestazioni di previsione della crescita utilizzando il modello di deep learning
Lasso di tempo: fino a 3 anni
AUC = Area sotto la curva caratteristica operativa del ricevitore
fino a 3 anni
Precisione della previsione della crescita utilizzando il modello di deep learning
Lasso di tempo: fino a 3 anni
Accuratezza=(il numero di campioni correttamente classificati)/(il numero di campioni totali)
fino a 3 anni

Collaboratori e investigatori

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

Sponsor

Chongqing University Cancer Hospital

Investigatori

  • Investigatore principale: Dongling Zou, M.D., Chongqing University Cancer Hospital

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)

1 gennaio 2022

Completamento primario (Stimato)

30 aprile 2024

Completamento dello studio (Stimato)

30 maggio 2024

Date di iscrizione allo studio

Primo inviato

12 marzo 2024

Primo inviato che soddisfa i criteri di controllo qualità

12 marzo 2024

Primo Inserito (Effettivo)

19 marzo 2024

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

19 marzo 2024

Ultimo aggiornamento inviato che soddisfa i criteri QC

12 marzo 2024

Ultimo verificato

1 marzo 2024

Maggiori informazioni

Termini relativi a questo studio

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • CQGOG0206

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 Cancro ovarico

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in China

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi