深い学習を使用したCTの卵巣がんの識別
CTに関する卵巣がんの識別のための深い学習モデルの開発と検証：全国的な人口ベースおよび国際研究
調査の概要
状態
条件
詳細な説明
卵巣癌は最も致命的な婦人科の悪性腫瘍であり、2025年に米国で20,890件の新しい症例と12,730人の死亡が予想されています。 女性がんの2.1％のみを占めているにもかかわらず、がん関連の死亡の4.3％を引き起こします。 卵巣癌を発症する生涯リスクは78人に1で、死亡リスクは108人に1人です。 最適な治療には、完全な外科的切除とそれに続く化学療法が含まれます。しかし、過去20年間、生存率はほとんど変化していません。 早期発見は生存率を大幅に改善しますが、病気の無症候性の性質のために早期に診断されている症例の31％のみが診断されます。 ユニバーサルスクリーニングテストは存在しません。また、CA-125や経値超音波などの現在の方法には、死亡率の低減に制限があります。
コンピューター断層撮影（CT）は一般的に卵巣癌の検出に使用されますが、その有効性は非特異的症状によって制限されます。 AI駆動型CTスクリーニングは関心を集めており、深い学習が癌の検出に有望であることを示しています。 ただし、モデルの一般化を確保し、技術的パラメーターを最適化することには課題が残っています。 以前の試験で高い誤検出率と外科的合併症が報告されたため、効果的なスクリーニングは不必要な手術を最小限に抑える必要があります。 これに対処するために、この研究では、CTイメージングを使用した卵巣癌検出のためのAIベースのツールであるCAT-oVを開発しました。 このシステムは、骨盤局在化のためのボディパーツ回帰（BPR）モデルと、5つの畳み込みニューラルネットワーク（CNN）を備えた複数のインスタンス学習（MIL）アンサンブル分類器を統合して、がんの存在を予測します。 CAT-ovは、3つのテストセットで評価されました：内部データセット、米国からの国際データセット、および台湾の全国的な多施設データセット。
このレトロスペクティブ研究は、施設内審査委員会によって承認され、インフォームドコンセントが放棄されました。 データセットは、2010年から2020年の間にChang Gung Memorial Hospitalで卵巣手術を受けた20歳以上の患者のCTスキャンから構築されました。 悪性症例にはさまざまな組織病理学的サブタイプが含まれていましたが、コントロールは良性卵巣腫瘍とがんのない個人の濃縮データセットで構成されていました。 最終的なデータセットは5,680件のケースで構成され、173の癌と953の対照症例を含む、トレーニング/検証セット（n = 4,554）と内部テストセット（n = 1,126）に分割されました。 国際データセットには、Brigham and Women's Hospitalの40のがんと47の対照症例が含まれていました。 全国的なデータセットは、台湾の国民健康保険データベースからの447の卵巣がん症例と1,131のコントロールで構成されていました。
ResNet50から変更されたBPRモデルは、監視されていない学習を通じてCTスキャン上の局所骨盤領域を変更しました。 トレーニングには、前処理、増強、回帰ベースのサブボリューム選択が含まれます。 MIL分類モデルは、各3Dサブボリュームを2Dスライスの「バッグ」として扱い、バックボーンとしてEfficientNetv2-Sを使用し、最終予測のための注意ベースの集約モジュールを使用しました。 トレーニングには、前処理、増強、および5倍の相互検証戦略が含まれます。 最終的なアンサンブルモデルは、平均ロジットと最適化されたしきい値に基づいて分類を決定しました。 視覚化は、サンプルごとのボトルネック技術を使用して実行され、解釈可能性が向上しました。
外科的組織病理学は、2020年のWHO分類を使用して経験豊富な病理学者によってレビューされた参照基準として機能しました。 原発性卵巣がんと転移を区別するために、免疫組織化学分析が実施されました。 腫瘍は、第8版のFigoシステムに従って段階的に行われました。 この研究は、AI駆動型CT分析を通じて卵巣がんの検出とスクリーニングの有効性を改善することを目的としています。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Gigin Lin, MD, PhD
- 電話番号：2575 886-3-3281200
- メール：giginlin@cgmh.org.tw
研究場所
-
-
Guishan
-
Taoyuan、Guishan、台湾、333
- 募集
- Department of Medical Imaging and Intervention, Chang Gung Memorial Hospital
-
コンタクト：
- Gigin Lin, MD, PhD
- 電話番号：2575 886-3281200
- メール：giginlin@cgmh.org.tw
-
主任研究者：
- Gigin Lin, MD, PhD
-
-
Guishan District
-
Taoyuan City、Guishan District、台湾、333
- 完了
- Chang Gung Memorial Hospital
-
-
参加基準
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：
- 20歳以上の年齢。
- 女性
- CTスキャンを受けました
- 組織病理学的評価のために卵巣手術の180日前にCTスキャンを受けた。
除外基準：
- 20歳未満。
- 非女性
- 非CTイメージング
- 誤った画像の向き
- スライス数<10
- スライスの厚さは10 mm以上または<1 mm
- dicm-to-niftiの失敗
- 骨盤サブボリューム抽出は失敗しました
- 非コントラストCTスキャン
- メタリックアーティファクト
- 決定的なケース
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 |
|---|
|
コントロールグループ
対照群には、良性卵巣腫瘍と濃縮データセットの両方が含まれていました。
|
|
ケースグループ
卵巣癌
|
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 |
|---|---|---|
|
CTでの原発性卵巣癌の識別のための深い学習ベースのコンピューター支援診断ツール（CAT-ov）のパフォーマンス
時間枠：180日間の周術期/周骨細胞
|
感度、特異性、精度、PPV、NPV、AUC
|
180日間の周術期/周骨細胞
|
協力者と研究者
捜査官
- 主任研究者：Gigin Lin, MD, PhD、Chang Gung Memorial Hospital
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (実際)
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。