甲状腺癌におけるリンパ節転移のためのマルチモーダル深層学習
2025年12月22日 更新者：Yu Feng、West China Hospital
乳頭状甲状腺癌におけるリンパ節転移および癌ステージングの予測のためのカラードプラー超音波に基づくマルチモーダル深層学習モデルの開発に関する多施設研究
乳頭甲状腺癌（PTC）は、臨床現場で最も一般的な内分泌悪性腫瘍であり、すべての甲状腺悪性腫瘍の約85％を占めています。
頸部リンパ節転移の発生は、局所的な腫瘍の再発および遠隔転移のリスクをさらに高め、それによって患者の生存率を低下させます。
病理学的検査により、約30〜80％のPTC患者にリンパ節転移があることが明らかになっています。
転移性リンパ節の早期発見と個別化された治療計画の策定は、患者の予後を改善するために重要です。
現在、リンパ節転移の診断における主要な方法は、超音波ガイド下穿刺吸引法ですが、その精度は検体の質によって制限され、偽陰性結果のリスクを伴います。
近年、深層学習技術は、医療画像解析の分野で大きな可能性を示しています。
したがって、研究者は、頸部超音波に基づいた深層学習モデルを開発し、リンパ節転移をより正確に予測することを目指しています。
調査の概要
研究の種類
観察的
入学 (推定)
3200
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：Jianyong Lei
- 電話番号：+86 19983137992
- メール：leijianyong@scu.edu.cn
研究連絡先のバックアップ
- 名前：Yu Feng
- メール：1350502131@qq.com
研究場所
-
-
Sichuan
-
Chengdu、Sichuan、中国、610041
- West China Hospital of Sichuan University
-
コンタクト：
- Yu Feng
- 電話番号：+86 15183042703
- メール：1350502131@qq.com
-
コンタクト：
- Jianyong Lei
- 電話番号：+86 19983137992
- メール：leijianyong@scu.edu.cn
-
-
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
2020年10月から2025年10月までの間に四川大学華西病院およびその関連分院で甲状腺切除術を受けた患者の臨床データを後ろ向きに収集し、分析しました。
説明
含める基準:
甲状腺超音波検査および甲状腺の術後病理検査を受けた18歳から80歳までの症例。
初めて乳頭甲状腺癌と診断された症例。リンパ節郭清を受けた症例
除外基準:
18歳未満または80歳以上の症例。超音波画像の品質が不良な症例。結節が完全に視覚化されていない症例。複数の明瞭な病変を示す画像の症例。特別な集団に属する症例。他の腫瘍を併発している症例。甲状腺癌切除の既往歴がある症例
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
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
乳頭甲状腺癌群
|
これは、参加者が何らかの介入を受けず、参加者に対してデータ収集と分析のみが行われる後ろ向き観察研究です。
|
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 |
|---|---|---|
|
子宮頸部超音波に基づくマルチモーダル深層学習モデルのリンパ節転移予測におけるROC曲線下面積
時間枠：対象者登録完了後2ヶ月以内
|
研究者は、術前の子宮頸部カラードップラー超音波画像と対応する構造化テキストレポートを統合するマルチモーダル深層学習モデルを採用します。
モデルの最終出力は、各患者のリンパ節転移の予測確率（0から1の間の連続値）です。
この予測確率は、術後の組織病理学的診断結果（ゴールドスタンダード）と比較されます。
モデルの受信者操作特性曲線がプロットされ、その曲線下面積が計算されます。これは、二値分類モデル（転移対非転移）の識別能力を評価するためのゴールドスタンダード指標です。
AUC値が高いほど、モデルの全体的な識別能力が強いことを示します。
|
対象者登録完了後2ヶ月以内
|
|
子宮頸部超音波に基づくマルチモーダル深層学習モデルのリンパ節転移予測の感度
時間枠：被験者登録完了後2ヶ月以内。
|
この指標は、最適な診断閾値において、構築されたマルチモーダル深層学習モデルが、実際に頸部リンパ節転移を有する乳頭状甲状腺癌患者を正しく識別する能力を評価することを目的としています。
研究者は、術後病理検査によりリンパ節転移と診断された患者数、およびモデルによって「陽性」（すなわち転移を有すると予測された）と予測された患者数を収集する必要があります。これは、頸部超音波に基づくマルチモーダル深層学習モデルのリンパ節転移予測における感度を計算するためです。
計算式：感度 = 真陽性患者数 ÷ 術後病理検査で確認された陽性患者総数。
|
被験者登録完了後2ヶ月以内。
|
|
子宮頸部超音波に基づくマルチモーダル深層学習モデルのリンパ節転移予測における特異性
時間枠：被験者登録完了後2ヶ月以内。
|
この指標は、最適な診断閾値において、構築されたマルチモーダル深層学習モデルが、頸部リンパ節転移を発症していない乳頭甲状腺癌患者を正しく除外する能力を評価することを目的としています。
研究者は、術後病理学によってリンパ節転移なしと診断された患者数と、モデルによって「陰性」（すなわち、転移なしと予測された）と予測された患者数を収集する必要があり、これにより、頸部超音波ベースのマルチモーダル深層学習モデルのリンパ節転移予測における特異度を計算します。
計算式：特異度 = 真の陰性患者数 ÷ 術後病理学によって確認された陰性患者の総数。
|
被験者登録完了後2ヶ月以内。
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
研究コホートにおける病理学的に確認されたリンパ節転移率
時間枠：対象者登録完了後2か月以内に
|
これは、対応する研究対象集団の総数に対する、術後病理検査により少なくとも1つの転移性リンパ節が確認された患者の割合を指します。
研究者は、術後病理検査によりリンパ節転移と診断された患者数を収集する必要があります。
|
対象者登録完了後2か月以内に
|
|
病理学的に確認されたリンパ節転移に関連する臨床因子の調整済みオッズ比
時間枠：対象者登録完了から2ヶ月以内
|
研究者は、結果変数（すなわち、術後に病理学的に確認されたリンパ節転移の状態）とその曝露変数（例えば、甲状腺内の原発腫瘍の特定の位置、最大腫瘍直径、患者年齢など）を収集する必要があります。
これらの変数を使用して、調整済みオッズ比が計算されます。これは、他の交絡因子を調整した後、特定の曝露特性（例えば、上極に位置する腫瘍）を持つ患者が、参照群（例えば、下極に位置する腫瘍）の患者と比較して、リンパ節転移を有する可能性が何倍高いかを反映します。
|
対象者登録完了から2ヶ月以内
|
|
モデル予測pTNMステージと病理学的ステージの一致度における加重カッパ係数
時間枠：被験者登録完了後2か月以内
|
研究者は、モデルが予測した完全なpTNMステージと病理学的ステージの間の一貫性を評価するために、モデルが予測したpTNMステージと患者の実際のpTNMステージを収集し記録する必要があります。
|
被験者登録完了後2か月以内
|
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
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 (推定)
2026年1月1日
一次修了 (推定)
2026年3月1日
研究の完了 (推定)
2026年5月1日
試験登録日
最初に提出
2025年12月9日
QC基準を満たした最初の提出物
2025年12月22日
最初の投稿 (実際)
2025年12月23日
学習記録の更新
投稿された最後の更新 (実際)
2025年12月23日
QC基準を満たした最後の更新が送信されました
2025年12月22日
最終確認日
2025年12月1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。