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.

Ottimizzazione della gestione del tumore renale attraverso moduli di intelligenza artificiale

16 marzo 2025 aggiornato da: Shao Pengfei

Intelligenza artificiale multimodale per ottimizzare la gestione del tumore renale: diagnosi, chirurgia e prognosi

L'obiettivo di questo studio osservazionale è migliorare la gestione delle persone con tumore renale mediante l'intelligenza artificiale multimodale (AI). Misurerà anche l’accuratezza delle previsioni dei modelli di intelligenza artificiale. Le principali domande a cui si propone di rispondere sono:

se il modulo AI può fornire con precisione informazioni relative al tumore come benigno o maligno, sottotipi, grading, stadio, ecc. apprendendo dalle immagini TC preoperatorie.
se il modulo AI può aiutare i medici a scoprire il programma chirurgico più adatto per le persone con tumore renale.
se il modulo AI può integrare immagini TC e diapositive patologiche, offrendo informazioni prognostiche supplementari per migliorare la sopravvivenza postoperatoria.

I partecipanti che completano un esame TC (solitamente TC con mezzo di contrasto, CECT) e si sottopongono a nefrectomia radicale o parziale effettueranno una sorveglianza attiva e registreranno i dati di sopravvivenza postoperatoria per 5 anni.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Descrizione dettagliata

In questo studio, il modello AI esplorerà e chiarirà le caratteristiche delle immagini TC del tumore renale e delle immagini patologiche che sono difficili da rilevare manualmente, per poi correlarle con i risultati clinici, migliorando così il processo di diagnosi e trattamento dei tumori renali. In primo luogo, il modello può distinguere accuratamente i sottotipi di tumore renale e prevederne lo stadio, il grado e la complessità in modo da evitare diagnosi errate e assistere i medici nella formulazione di piani di trattamento. In secondo luogo, imparando dai video chirurgici, il modello può fornire informazioni aggiuntive durante gli interventi chirurgici, come importanti punti di riferimento anatomici e la posizione dei tumori. Infine, combinando radiomica e patomica, il modello può distinguere tra pazienti ad alto rischio e a basso rischio dopo l’intervento chirurgico, fornendo così una guida prognostica personalizzata.

Tipo di studio

Osservativo

Iscrizione (Stimato)

2100

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: Shao Pengfei, Professor
Numero di telefono: +8613851925825
Email: spf032@hotmail.com

Backup dei contatti dello studio

Nome: Miao Haoqi, Postgraduate
Numero di telefono: +8613276636957
Email: mhq@stu.njmu.edu.cn

Luoghi di studio

Cina
- Jiangsu
  - Nanjing, Jiangsu, Cina, 210036
    - Reclutamento
    - The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
    - Contatto:
      
      Shao Pengfei, Professor
      
      Numero di telefono: +8613851925825
      
      Email: spf032@hotmail.com
    - Contatto:
      
      Miao Haoqi, Postgraduate
      
      Numero di telefono: +8613276636957
      
      Email: mhq@stu.njmu.edu.cn

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

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Pazienti con tumori renali sottoposti a esami di imaging sottoposti a intervento chirurgico

Descrizione

Criteri di inclusione:

Pazienti con tumore renale che può essere trattato chirurgicamente;
Completare CECT entro 30 giorni prima dell'intervento chirurgico;
Pazienti che comprendono appieno questo studio e firmano il consenso informato;

Criteri di esclusione:

Pazienti con qualsiasi elemento mancante dalle informazioni cliniche e patologiche di base;
Pazienti che hanno già metastatizzato al momento della scoperta del tumore;
Trattamenti precedenti in qualsiasi forma, compresi interventi chirurgici, terapie mirate e immunoterapia;

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
Valutazione delle prestazioni dei modelli di intelligenza artificiale mediante il modello di valutazione globale "AUC". Lasso di tempo: Dall'arruolamento alla fine del follow-up di 5 anni	"AUC" si riferisce all'area sotto la curva ROC (caratteristica operativa del ricevitore), che indica le prestazioni del modello nel predire le informazioni patologiche correlate all'immunoistochimica del cancro alla prostata dopo l'intervento chirurgico, e l'AUC varia da 0-1, con il valore più grande indicando il migliore effetto di previsione.	Dall'arruolamento alla fine del follow-up di 5 anni

Misure di risultato secondarie

Misura del risultato	Misura Descrizione	Lasso di tempo
Valutazione delle prestazioni del modello per prevedere la prognosi dei partecipanti dopo l'intervento chirurgico mediante l'analisi di sopravvivenza di Kaplan-Meier Lasso di tempo: Dall'arruolamento alla fine del follow-up di 5 anni	L'analisi di sopravvivenza di Kaplan-Meier è una statistica non parametrica utilizzata principalmente per individuare i fattori che indicano la sopravvivenza.	Dall'arruolamento alla fine del follow-up di 5 anni

Collaboratori e investigatori

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

Sponsor

Shao Pengfei

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 2025

Completamento primario (Stimato)

1 gennaio 2028

Completamento dello studio (Stimato)

31 dicembre 2033

Date di iscrizione allo studio

Primo inviato

2 dicembre 2024

Primo inviato che soddisfa i criteri di controllo qualità