MRI 기반 다중 모드 데이터 융합을 통한 딥 러닝으로 유방암 수술 후 위험 계층화 강화
유방암은 조기 개입에도 불구하고 높은 재발률과 원격 확산으로 인해 특히 여성의 경우 전 세계적으로 심각한 건강 문제를 야기합니다. 전이 위험을 적시에 식별하고 치료 전략을 정확하게 예측하는 것은 예후를 개선하는 데 중요합니다. 그러나 유방 종양의 복잡한 이질성은 정확한 예후 예측에 어려움을 안겨줍니다. 따라서 종양 세분화 및 예후 평가를 위한 혁신적인 방법의 개발이 필수적입니다.
실시된 연구는 4개의 독립적인 센터에서 1,199명의 비전이성 유방암 환자를 등록한 다기관 연구입니다. 우리 연구에서는 인공 지능(AI)의 발전을 활용하여 이러한 과제를 해결합니다. 이번 연구는 유방암 환자의 수술 후 재발 위험을 정확하게 식별하기 위해 MRI 기반 다중 모드 예측 시스템을 최초로 성공적으로 적용한 것입니다.
연구 개요
상태
상태
정황
정황
개입 / 치료
개입 / 치료
연구 유형
연구 유형
등록 (실제)
등록
참여기준
자격 기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 조직학적으로 확인된 1기-3기 침습성 BC
- 연령 ≥ 18세
- 수술을 받은 환자
- MRI 스캔의 존재
제외 기준:
- 병리학적 결과가 부족함
- 다른 동시 악성종양이 있었던 경우
- MR 영상 문제가 제외되었나요?
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
그룹/코호트 수
코호트 및 개입
그룹/코호트그룹/코호트 |
개입 / 치료개입 / 치료 |
|---|---|
|
훈련 코호트
우리는 Sun Yat-sen University의 Sun Yat-sen Memorial Hospital(SYSMH, 중국 광저우)의 환자 569명을 훈련(n = 456) 및 내부 검증(n = 113) 코호트에 3:1의 비율로 무작위로 할당했습니다.
|
|
|
내부 검증 코호트
우리는 Sun Yat-sen University의 Sun Yat-sen Memorial Hospital(SYSMH, 중국 광저우)의 환자 569명을 훈련(n = 456) 및 내부 검증(n = 113) 코호트에 3:1의 비율로 무작위로 할당했습니다.
|
|
|
외부 테스트 코호트 1
Sun Yat-sen University Cancer Center(SYSUCC, 중국 광저우)의 432명이 외부 테스트 코호트 1에 참여했습니다.
|
|
|
외부 테스트 코호트 2
Dongguan Tungwah Hospital(DTH, 중국 동관) 및 Southern Medical University 순덕병원(SDHSMU, 중국 광저우)의 198명이 외부 테스트 코호트 2에 포함되었습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
DFS
기간: 국소 및/또는 원격 재발, 질병 진행 또는 사망을 포함하여 수술부터 종양 재발까지의 시간을 최대 100개월까지 평가했습니다.
|
질병 없는 생존
|
국소 및/또는 원격 재발, 질병 진행 또는 사망을 포함하여 수술부터 종양 재발까지의 시간을 최대 100개월까지 평가했습니다.
|
공동 작업자 및 조사자
스폰서
스폰서
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
연구 시작
기본 완료 (실제)
기본 완료
연구 완료 (실제)
연구 완료
연구 등록 날짜
최초 제출
최초 제출
QC 기준을 충족하는 최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
처음 게시됨
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
마지막 업데이트 게시됨
QC 기준을 충족하는 마지막 업데이트 제출
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
키워드
기타 연구 ID 번호
기타 연구 ID 번호
- YSEC-KY-KS-2019-054-001
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .