- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT07531446
Costruzione di un Modello Diagnostico Collaborativo Clinico-Radiologico per la Dermatomiosite Associata a Malattia Polmonare Interstiziale Basato su Caratteristiche di Imaging PET/CT e Parametri Clinici
11 aprile 2026 aggiornato da: Hu Jiajia, Ruijin Hospital
Costruzione di un Modello Diagnostico Collaborativo Clinico-Imaging per la Dermatomiosite Associata a Malattia Polmonare Interstiziale Basato su Caratteristiche di Imaging PET/CT e Parametri Clinici
I ricercatori hanno studiato le associazioni tra i parametri di imaging del PET/CT a doppio tracciante 68Ga-FAPI e 18F-FDG e la concomitante malattia polmonare interstiziale (ILD) in pazienti con dermatomiosite (DM), hanno sviluppato un nuovo modello diagnostico per predire la DM complicata da ILD e hanno condotto una validazione esterna di questo modello.
Nel frattempo, i ricercatori hanno confrontato le prestazioni predittive del modello basato esclusivamente sull'imaging con quelle del classico modello clinico e del modello collaborativo clinico-radiologico.
Panoramica dello studio
Stato
Attivo, non reclutante
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Per le caratteristiche incluse nel modello ottimale finale, i confronti tra gruppi di variabili continue (gruppo con malattia polmonare interstiziale vs gruppo senza malattia polmonare interstiziale) sono stati effettuati utilizzando il test di Wilcoxon rank-sum.
Per le variabili categoriche, sono stati adottati il test del chi-quadro o il test esatto di Fisher, a seconda dei casi.
Nel confronto dell'efficacia del modello, il test di DeLong è stato utilizzato per valutare le differenze statistiche nei valori AUC tra ciascun classificatore di machine learning e il modello di riferimento.
Tutte le analisi statistiche sono state condotte utilizzando il software R (versione 4.4.1).
I pacchetti R corrispondenti applicati includevano pROC per l'analisi ROC, caret per l'addestramento del modello e SHAP per l'analisi di interpretabilità del modello XGBoost.
Un valore p a due code < 0,05 è stato definito come soglia di significatività statistica per tutte le analisi.
Tipo di studio
Osservativo
Iscrizione (Effettivo)
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
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, Cina
- Department of Nuclear Medicine & Institute for medical imaging technology, Ruijin Hospital Affiliated to Shanghai Jiao Tong University School of Medicine,
-
-
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
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Tra giugno 2023 e luglio 2025, sono stati inizialmente considerati 154 pazienti consecutivi con diagnosi di dermatomiosite (DM) sottoposti a imaging PET/CT con 68Ga-FAPI-04.
La diagnosi di DM è stata stabilita in base ai criteri di Bohan e Peter per la DM classica [24] o ai criteri di Sontheimer per la dermatomiosite clinicamente amiopatica (CADM) [25].
La diagnosi di malattia polmonare interstiziale (ILD) è stata confermata da un team multidisciplinare basandosi su una combinazione di sintomi clinici (tosse, dispnea), riscontri fisici (rantoli inspiratori), evidenza di alterazioni interstiziali alla tomografia computerizzata ad alta risoluzione (HRCT) e test di funzionalità polmonare che mostravano difetti ventilatori restrittivi.
Descrizione
Criteri di inclusione:
- La diagnosi di dermatomiosite (DM) è stata effettuata in conformità con i criteri di Bohan e Peter
- La diagnosi di dermatomiosite clinicamente amiopatica (CADM) è stata stabilita sulla base dei criteri di Sontheimer
- La diagnosi di malattia polmonare interstiziale (ILD) è stata confermata in linea con i criteri dell'American Thoracic Society (ATS)
- Le scansioni PET/CT con ⁶⁸Ga-FAPI e ¹⁸F-FDG sono state eseguite nel Dipartimento di Medicina Nucleare.
Criteri di esclusione: Pazienti con altre malattie del tessuto connettivo.
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
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
ILD
La diagnosi di ILD è stata confermata in linea con i criteri dell'American Thoracic Society (ATS).
|
Osservare le immagini mediche tramite la stazione di lavoro o il software di analisi delle immagini locale
Estrazione delle caratteristiche dell'immagine tramite radiomica o metodi di apprendimento automatico
|
|
non-ILD
I pazienti nel gruppo senza ILD non presentavano evidenza di ILD secondo i criteri ATS.
|
Osservare le immagini mediche tramite la stazione di lavoro o il software di analisi delle immagini locale
Estrazione delle caratteristiche dell'immagine tramite radiomica o metodi di apprendimento automatico
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Caratteristiche di imaging dell'immagine PET con 68Ga-FAPI
Lasso di tempo: baseline
|
parametri PET convenzionali (SUVmax, SUVmin) e parametri delle caratteristiche testurali PET (radiomics)
|
baseline
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Performance of Machine Learning and Reference Models
Lasso di tempo: baseline
|
Curva ROC (Curva Receiver Operating Characteristic), curva DCA (curva Decision Curve Analysis)
|
baseline
|
Altre misure di risultato
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Analisi SHAP del Modello Ottimale
Lasso di tempo: baseline
|
baseline
|
|
|
Differenze tra i gruppi
Lasso di tempo: baseline
|
Confronto tra i gruppi DM-ILD e DM non-ILD dei parametri importanti nei modelli
|
baseline
|
|
Analisi di correlazione
Lasso di tempo: baseline
|
Analisi di correlazione dei vari parametri nel modello.
|
baseline
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
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)
13 gennaio 2026
Completamento primario (Stimato)
1 gennaio 2027
Completamento dello studio (Stimato)
1 gennaio 2027
Date di iscrizione allo studio
Primo inviato
27 marzo 2026
Primo inviato che soddisfa i criteri di controllo qualità
11 aprile 2026
Primo Inserito (Effettivo)
15 aprile 2026
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
15 aprile 2026
Ultimo aggiornamento inviato che soddisfa i criteri QC
11 aprile 2026
Ultimo verificato
1 gennaio 2026
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- RuijinH 2026-47
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 Apprendimento automatico
-
RenJi HospitalNon ancora reclutamentoDeep Learning, risonanza magnetica lombare
-
Gazi UniversityAtılım University; Gazi University Scientific Research UnitCompletatoEducazione infermieristica | Assistenza infermieristica | Tubo toracico | E-learningTacchino
-
Sultan Qaboos Comprehensive Cancer CenterNon ancora reclutamentoAtteggiamento | Conoscenza | Pratica | E-learningOman
-
Maastricht University Medical CenterAttivo, non reclutanteCheratosi attinica | Dermatologia | E-learningOlanda
-
National Taipei University of Nursing and Health...Ministry of Science and Technology, TaiwanIscrizione su invitoGravidanza | Età gestazionale e condizioni di peso | Alfabetizzazione | Comportamenti alimentari | E-learningTaiwan
-
University of ZurichReclutamentoPrevisione dell'esito dell'ictus supportata dall'algoritmo di deep learningSvizzera
-
Copenhagen Academy for Medical Education and SimulationRigshospitalet, DenmarkCompletatoStress psicologico | Educazione, medicina | Ansia di Stato | E-learning | Unità medica acutaDanimarca
-
Fondazione Policlinico Universitario Agostino Gemelli...ReclutamentoDescrivere le caratteristiche tipiche dell'ecografia in scala di grigi/color Doppler della neoplasia trofoblastica gestazionale all'esame ecografico | Per valutare se ci sono differenze all'esame ecografico di base tra pazienti a basso e ad alto rischio | Identificare i predittori ecografici... e altre condizioniItalia
-
Bahria UniversityReclutamentoCovid-19 | Studente di medicina | E-learningPakistan
Prove cliniche su Osservare le immagini mediche
-
Ya-Wei XuWest China Hospital; Ruijin Hospital; Shanghai Ninth People's Hospital Affiliated... e altri collaboratoriSconosciutoIctus | Fibrillazione atriale non valvolare