小児神経芽腫スペクトルに対するインテリジェント超音波診断システムの構築と検証
小児神経芽腫スペクトラムに対するインテリジェント超音波診断システムの構築と検証：多施設共同研究
この観察研究の目的は、病理学的タイピング、リスク層別化、予後評価を統合したインテリジェント超音波診断システムを構築することです。 主な回答すべき質問は以下の通りです：
- 超音波画像に基づく小児神経芽細胞腫（NTs）の予測モデルは、各病理サブタイプを区別できますか？
- 臨床的および病理学的特徴に基づいて確立されたマルチモーダル融合モデルは、ハイリスク患者を特定し、骨髄転移を予測し、治療効果を評価できますか？
- この超音波診断システムは、NTs患者の系統的かつインテリジェントな評価を実現し、臨床リスク層別化と個別化治療決定を支援できますか？
調査の概要
状態
条件
詳細な説明
神経芽細胞性腫瘍（NTs）は小児期で最も一般的な頭蓋外固形腫瘍を表し、大多数の患者は神経芽腫（NB）と診断されます。これは悪性度が最も高く、予後が最も悪いサブタイプです。 これらの症例は臨床診断と管理に重大な課題をもたらし、しばしば全体的な予後不良につながります。 病理組織学的検査は、確定診断と分類のゴールドスタンダード（基準）であり続けています。 しかし、この方法は侵襲的であり、合併症のリスクを伴い、診断精度は検査者の経験と生検採取部位に依存します。 医用画像は非侵襲的腫瘍評価を可能にしますが、主に医師による主観的な視覚的解釈に依存し、異なるNTサブタイプを区別する精度と再現性は限定的です。<\/p>
ラジオミクスは、新しい人工知能ベースの画像解析アプローチであり、自動化されたアルゴリズムを通じて画像特徴のハイスループット抽出、分析、定量化を可能にし、膨大な量のサブビジュアル情報を明らかにします。 腫瘍の鑑別診断、治療評価、転帰予測において大きな可能性を示しています。 現在の神経芽腫に関するラジオミクス研究はまだ初期段階にあり、ほとんどの研究はコンピューター断層撮影（CT）、磁気共鳴画像法（MRI）、陽電子放出断層撮影-コンピューター断層撮影（PET-CT）などのモダリティに焦点を当てており、超音波ベースのラジオミクス研究は未踏のままです。<\/p>
超音波検査は、電離放射線がない、リアルタイム動的画像、操作の利便性、低コストなどの独自の利点により、小児腫瘍のスクリーニングとフォローアップにおける優先画像モダリティとなっています。 したがって、ラジオミクスと超音波検査を統合して、NTsを非侵襲的かつ正確に評価できる知的診断システムを開発することは、臨床的価値とトランスレーショナルな可能性を持っています。 このようなシステムは、正確な術前分類、患者リスク層別化、および臨床意思決定の支援を促進します。<\/p>
本研究は、超音波ラジオミクス特徴に基づく小児神経芽細胞性腫瘍の知的超音波診断システムを構築・検証することを目的とし、以下の通りです。<\/p>
- 超音波画像に基づく小児神経芽細胞性腫瘍（NTs）の予測モデルを構築し、神経芽腫（NB）、神経節芽細胞腫（GNB）、神経節腫（GN）の自動鑑別診断を実現する。<\/li>
- 病理分類に基づいて、臨床病理特徴を統合し、マルチモーダル融合モデルを確立する。 高リスク患者の特定、骨髄転移の予測、治療成績の推定に焦点を当て、臨床意思決定のための参考基盤を提供する。<\/li>
- 以前の研究成果を統合して、病理分類、リスク層別化、予後評価を統合した包括的な知的超音波診断システムを構築し、NTs患者の系統的かつ知的評価を実現し、臨床リスク層別化と個別化治療決定を支援する。<\/li><\/ol>
研究の種類
入学 (推定)
連絡先と場所
研究場所
-
-
Anhui
-
Hefei、Anhui、中国、230041
- Anhui Provincial Children's Hospital
-
-
Jiangsu
-
Suzhou、Jiangsu、中国、215008
- The Children's Hospital Affiliated to Soochow University
-
-
Yunnan
-
Kunming、Yunnan、中国、650100
- Kunming Children's Hospital
-
-
Zhejiang
-
Hangzhou、Zhejiang、中国、310000
- Zhejiang Cancer Hospital
-
Hangzhou、Zhejiang、中国、310000
- The Children's Hospital of Zhejiang University School of Medicine
-
Wenling、Zhejiang、中国、317500
- Wenling Institute of Medical Big Data and Artificial Intelligence
-
-
参加基準
適格基準
就学可能な年齢
- 子
- 大人
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
【組み入れ基準】
- 外科的切除または生検による病理組織検査でNTsの診断が確認され、INPC基準に従ってNB、GNBまたはGNに分類されていること。
- 年齢が18歳以下で、性別は問わない。
- 腹部（または原発部位）の完全な超音波画像がアーカイブされており、元のDICOMまたはJPG形式で、画質が分析要件を満たしていること。
- 研究目的に関連する完全な臨床および病理データが利用可能であること。
【除外基準】
- 患者が以前に他院で外科的切除治療を受けたが、術後に腫瘍が再発または残存している場合。
- 超音波画像の画質不良：腫瘍の輪郭の識別や特徴抽出に重大な影響を与えるアーチファクト、画像のぼやけ、または病変の不完全な表示がある場合。
- データの重大な欠損：主要な臨床病理データまたは画像データが欠けており、必要な情報の抽出や分析が不可能な場合。
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
コホートと介入
グループ/コホート |
|---|
|
訓練セット
浙江大学医学院附属儿童医院的数据集计划按7:3的比例随机分为训练集和内部验证集。
|
|
内部検証セット
浙江大学医学院附属儿童医院的数据集计划按照7:3的比例随机分为训练集和内部验证集。
|
|
独立した外部検証セット
苏州大学附属儿童医院、昆明市儿童医院和安徽省儿童医院的数据合并为一个独立的外部验证集。
|
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 |
|---|---|---|
|
F1スコア
時間枠：モデルトレーニングが完了してから1週間以内に、内部検証セットと独立した外部検証セットでそれぞれ計算が行われます。
|
F1スコア = 2 * (適合率 * 再現率) / (適合率 + 再現率)
|
モデルトレーニングが完了してから1週間以内に、内部検証セットと独立した外部検証セットでそれぞれ計算が行われます。
|
|
精度（正答率）
時間枠：モデルトレーニングが完了してから1週間以内に、それぞれ内部検証セットと独立した外部検証セットで性能テストが実施されます。
|
多クラスROC曲線を描画し、そのROC曲線に基づいて計算します。
|
モデルトレーニングが完了してから1週間以内に、それぞれ内部検証セットと独立した外部検証セットで性能テストが実施されます。
|
|
特異性
時間枠：モデルトレーニングが完了してからの1週間以内に、内部検証セットと独立した外部検証セットに対してそれぞれ計算が行われます。
|
特異度 = (真陰性例 / (真陰性例 + 偽陽性例)) * 100%
|
モデルトレーニングが完了してからの1週間以内に、内部検証セットと独立した外部検証セットに対してそれぞれ計算が行われます。
|
|
感受性
時間枠：モデルトレーニングが完了してから1週間以内に、内部検証セットと独立した外部検証セットのそれぞれで計算が行われます。
|
sensitivity= （真陽性 / (真陽性 + 仮陽性)）*100%
|
モデルトレーニングが完了してから1週間以内に、内部検証セットと独立した外部検証セットのそれぞれで計算が行われます。
|
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。