MRI ベースのマルチモーダルデータ融合によるディープラーニングにより乳がんの術後リスク層別化が強化
乳がんは、早期に介入したにもかかわらず高い再発率と遠隔転移を引き起こすため、特に女性において、世界的な健康上の重大な課題を引き起こしています。 予後を改善するには、転移リスクをタイムリーに特定し、治療戦略を正確に予測することが重要です。 しかし、乳がんの複雑な不均一性により、正確な予後予測には課題が生じています。 したがって、腫瘍の分割と予後評価のための革新的な方法の開発が不可欠です。
実施された研究は、4つの独立した施設から1,199人の非転移性乳がん患者を登録した多施設共同研究である。 私たちの研究では、人工知能 (AI) の進歩を活用して、この課題に対処しています。 この研究は、乳がん患者の術後再発リスクを正確に特定するための、MRI ベースのマルチモーダル予測システムの応用に初めて成功したものです。
調査の概要
状態
状態
条件
条件
介入・治療
介入・治療
研究の種類
研究の種類
入学 (実際)
入学
参加基準
適格基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- 組織学的にステージ I ~ III の浸潤性 BC が確認された
- 年齢 18 歳以上
- 手術を受けた患者さん
- MRIスキャンの存在
除外基準:
- 病理学的結果が得られなかった
- 他の悪性腫瘍を同時に患っていた
- MR 画像の問題が除外されていた場合
研究計画
研究はどのように設計されていますか?
デザインの詳細
グループ/コホートの数
コホートと介入
グループ/コホートグループ/コホート |
介入・治療介入・治療 |
|---|---|
|
トレーニングコホート
私たちは、中山大学孫文記念病院(SYSMH、中国広州)の患者 569 人を、3:1 の比率でトレーニング コホート (n = 456) と内部検証コホート (n = 113) にランダムに割り当てました。
|
|
|
内部検証コホート
私たちは、中山大学孫文記念病院(SYSMH、中国広州)の患者 569 人を、3:1 の比率でトレーニング コホート (n = 456) と内部検証コホート (n = 113) にランダムに割り当てました。
|
|
|
外部検査コホート 1
中山大学がんセンター(SYSUCC、中国広州)から外部検査コホート1に432人が参加。
|
|
|
外部検査コホート 2
東莞東華病院(DTH、中国・東莞)と南方医科大学順徳病院(SDHSMU、中国・広州)から198人が外部検査コホート2に加わった。
|
この研究は何を測定していますか?
主要な結果の測定
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
DFS
時間枠:手術から腫瘍の再発(局所再発および/または遠隔再発、疾患の進行、死亡を含む)までの期間を最大 100 か月と評価しました。
|
無病生存期間
|
手術から腫瘍の再発(局所再発および/または遠隔再発、疾患の進行、死亡を含む)までの期間を最大 100 か月と評価しました。
|
協力者と研究者
研究記録日
主要日程の研究
研究開始 (実際)
研究開始
一次修了 (実際)
一次修了
研究の完了 (実際)
研究の完了
試験登録日
最初に提出
最初に提出
QC基準を満たした最初の提出物
QC基準を満たした最初の提出物
最初の投稿 (実際)
最初の投稿
学習記録の更新
投稿された最後の更新 (実際)
投稿された最後の更新
QC基準を満たした最後の更新が送信されました
QC基準を満たした最後の更新が送信されました
最終確認日
最終確認日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。