このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

人工知能モジュールによる腎腫瘍管理の最適化

2025年3月16日 更新者：Shao Pengfei

腎腫瘍管理を最適化するための多モード人工知能: 診断、手術、予後

この観察研究の目標は、マルチモーダル人工知能 (AI) によって腎腫瘍患者の管理を改善することです。 AI モデルからの予測の精度も測定します。 回答することを目的とした主な質問は次のとおりです。

  1. AI モジュールが術前の CT 画像から学習することで、良性か悪性か、サブタイプ、グレード、ステージなどの腫瘍関連情報を正確に提供できるかどうか。
  2. AI モジュールが、臨床医が腎腫瘍患者に最適な手術プログラムを見つけるのに役立つかどうか。
  3. AI モジュールが CT 画像と病理スライドを統合して、術後の生存率を向上させるための補足的な予後情報を提供できるかどうか。

CT（通常は造影CT、CECT）検査を完了し、根治的または部分的腎切除術を受けた参加者は、積極的な監視を実施し、術後の5年間の生存データを記録します。

調査の概要

状態

募集

条件

詳細な説明

本研究では、手動では検出が困難な腎腫瘍のCT画像や病理画像の特徴をAIモデルで探索・解明し、臨床転帰と相関させることで腎腫瘍の診断・治療プロセスを改善します。 まず、このモデルは腎腫瘍のサブタイプを正確に識別し、病期、悪性度、複雑性を予測できるため、誤診を回避し、臨床医が治療計画を立てるのを支援します。 第 2 に、モデルは手術ビデオから学習することで、重要な解剖学的ランドマークや腫瘍の位置などの追加情報を手術中に提供できます。 最後に、ラジオミクスとパトミクスを組み合わせることで、このモデルは手術後に高リスク患者と低リスク患者を区別できるため、個別の予後ガイダンスを提供できます。

研究の種類

観察的

入学 (推定)

2100

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究連絡先

  • 名前：Shao Pengfei, Professor
  • 電話番号：+8613851925825
  • メール：spf032@hotmail.com

研究連絡先のバックアップ

  • 名前：Miao Haoqi, Postgraduate
  • 電話番号：+8613276636957
  • メール：mhq@stu.njmu.edu.cn

研究場所

  • 中国
    • Jiangsu
      • Nanjing、Jiangsu、中国、210036
        • 募集
        • The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
        • コンタクト：
        • コンタクト：

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

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

いいえ

サンプリング方法

非確率サンプル

調査対象母集団

画像検査で腎腫瘍があり手術を受けた患者さん

説明

包含基準:

  • 手術で治療できる腎腫瘍を患っている患者。
  • 手術前 30 日以内に CECT を完了してください。
  • この研究を十分に理解し、インフォームドコンセントに署名する患者。

除外基準:

  • ベースラインの臨床および病理学的情報に欠落している項目がある患者。
  • 腫瘍が発見された時点ですでに転移していた患者。
  • 手術、標的療法、免疫療法を含む、あらゆる形式の以前の治療;

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか？

デザインの詳細

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
総合評価モデル「AUC」によるAIモデルの性能評価
時間枠：登録から5年間のフォロー終了まで
「AUC」とは、手術後の前立腺がんの免疫組織化学関連の病理学的情報を予測するモデルの性能を示すROC（Receiver Operating Characteristic）曲線の下の面積を指し、AUCの範囲は0～1であり、値が大きいほどより良い予測効果を示しています。
登録から5年間のフォロー終了まで

二次結果の測定

結果測定
メジャーの説明
時間枠
カプラン・マイヤー生存分析による参加者の術後予後を予測するためのモデルのパフォーマンスを評価する
時間枠：登録から5年間のフォロー終了まで
カプランマイヤー生存分析は、主に生存を示す要因を解明するために使用されるノンパラメトリック統計です。
登録から5年間のフォロー終了まで

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

Shao Pengfei

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2025年1月1日

一次修了 (推定)

2028年1月1日

研究の完了 (推定)

2033年12月31日

試験登録日

最初に提出

2024年12月2日

QC基準を満たした最初の提出物

2024年12月2日

最初の投稿 (実際)

2024年12月4日

学習記録の更新

投稿された最後の更新 (実際)

2025年3月25日

QC基準を満たした最後の更新が送信されました

2025年3月16日

最終確認日

2024年12月1日

詳しくは

本研究に関する用語

キーワード

追加の関連 MeSH 用語

その他の研究ID番号

  • 2024-SR-961

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

米国で製造され、米国から輸出された製品。

いいえ

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。

購読する