腸上皮化生および萎縮性胃炎における胃癌の予測 (GIMA)
腸上皮化生および萎縮性胃炎における胃がんの予測 - 組織学および臨床データにおける人工知能の応用
この調査の主な目的は次のとおりです。
- IM および AG 患者の胃がんの発生に関連する臨床的または組織学的要因を特定する
- IMおよびAG患者における将来の胃がんリスクの予測および個々のリスク層別化のための機械学習アルゴリズムを確立する
調査の概要
詳細な説明
これは、臨床データ部分と病理学部分を含む 2 部構成のレトロスペクティブ研究です。 トレーニング コホートは、含まれるケースの約 70% から作成されます。 その後、残りのケースを含む検証コホートが続きます。
臨床データは、臨床データ分析および報告システム（CDARS）および臨床管理システム（CMS）を使用して遡及的に収集されます。 組織学的に証明された胃のIMおよびAGの病歴を持つ患者からなるクラスター全体のコホート（New Territories East Cluster、NTEC）が特定され、その後の分析に含まれます。 レトロスペクティブ データのデータ収集期間は 2000 年から 2020 年です。
組織学のスライドは、(NTEC 内で) 利用可能な場合にさかのぼって取得されます。 病理部の機械学習アルゴリズムを使用したトレーニングおよび検証コホートの開発には、スライド全体のイメージング技術が利用されます。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Felix Sia
- 電話番号：+85226370428
- メール：felix.sia@cuhk.edu.hk
研究連絡先のバックアップ
- 名前：Thomas Lam
- 電話番号：+85226370428
- メール：thomas.lam@cuhk.edu.hk
研究場所
-
-
New Territories
-
Shatin、New Territories、香港
- 募集
- Prince of Wales Hospital
-
-
参加基準
適格基準
就学可能な年齢
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
臨床データは、臨床データ分析および報告システム（CDARS）および臨床管理システム（CMS）を使用して遡及的に収集されます。 組織学的に証明された胃のIMおよびAGの病歴を持つ患者からなるクラスター全体のコホート（New Territories East Cluster、NTEC）が特定され、その後の分析に含まれます。 レトロスペクティブ データのデータ収集期間は 2000 年から 2020 年です。
組織学のスライドは、(NTEC 内で) 利用可能な場合にさかのぼって取得されます。 病理部の機械学習アルゴリズムを使用したトレーニングおよび検証コホートの開発には、スライド全体のイメージング技術が利用されます。
説明
包含基準:
- 大人 >= 18 歳
- -組織学的に証明された萎縮性胃炎または腸上皮化生（前庭部および/または体部および/または胃の角）
除外基準:
- なし
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
コホートと介入
グループ/コホート |
|---|
|
腸上皮化生
-組織学的に証明された胃腸化生の病歴のある患者
|
|
萎縮性胃炎
組織学的に証明された萎縮性胃炎の病歴のある患者
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
胃がんと胃異形成
時間枠：20年
|
主要評価項目は、胃がん（腸型）および胃異形成（低悪性度および高悪性度異形成）の発生率です。
|
20年
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
機械学習モデルの全体的な精度
時間枠：20年
|
機械学習モデルの全体的な精度が評価されます
|
20年
|
|
機械学習モデルの感度
時間枠：20年
|
機械学習モデルの感度が評価される
|
20年
|
|
機械学習モデルの特異性
時間枠：20年
|
機械学習モデルの特異性が評価される
|
20年
|
|
機械学習モデルの正の的中率
時間枠：20年
|
機械学習モデルの陽性的中率が評価されます
|
20年
|
|
機械学習モデルの負の予測値
時間枠：20年
|
機械学習モデルの負の的中率が評価されます
|
20年
|
|
機械学習モデルの受信者動作特性曲線の下の領域
時間枠：20年
|
機械学習モデルの受信者動作特性曲線の下の領域が評価されます
|
20年
|
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)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
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
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。