전체 슬라이드 이미징 및 MRI를 사용하여 비 인두 암종에서 먼 전이를 예측하기위한 딥 러닝 모델의 개발 및 검증
2025년 2월 21일 업데이트: Pu-Yun OuYang, Sun Yat-sen University
비 인두 암종에서 진단시 먼 전이를 예측하기 위해 비 인두 및 림프절의 전체 슬라이드 이미징 및 자기 공명 영상을 기반으로 한 딥 러닝 모델의 개발 및 다중 센터 검증
AI 모델은 병리학 슬라이드 및 1 차 종양의 MRI 스캔에 기초하여 비 인두 암 환자에서 먼 전이의 가능성을 예측하기 위해 개발되었다.
모델은 여러 센터의 데이터를 사용하여 검증되었습니다.
그런 다음 NCCN 또는 CSCO 지침에 따라 PET/CT 스캔을받는 것이 권장되는 고급 단계 환자에게 적용되었습니다.
이 AI 모델은 PET/CT를 받기 위해 초기 진단 시점에 먼 전이 위험이 높은 환자를 정확하게 선별 할 수 있으며, 먼 전이 위험이 낮은 환자의 과도한 검사를 피하고 의료 자원을 구하고 환자의 경제적 부담을 줄일 수 있습니다.
연구 개요
상태
상태
모병
정황
정황
상세 설명
AI 모델은 첫 번째 방문시 먼 전이의 확률을 예측하기 위해 비 인두 및 목의 1 차 병변 및 MRI의 He 염색 된 병리학 적 섹션에 기초하여 구성되었으며, AI 모델은 다기관 데이터에 의해 완전히 검증되었다; AI 모델은 NCCN 및 CSCO 가이드 라인에 따라 PET/CT 검사를받는 것이 권장되는 T3-4 또는 N2-3 환자에게 적용되었으며 M0을 예측하기위한 음의 예측 값이 적은 AI 모델의 임계 값 AI에 의해 예측 된 환자에 대한 이론적 지원을 PET/CT 검사에서 면제 할 것으로 예상되는 95%가 결정되었다.
연구 유형
연구 유형
관찰
등록 (추정된)
등록
500
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
연구 연락처
- 이름: Pu-Yun OuYang
- 전화번호: +8618565382769
- 이메일: ouyangpy@sysucc.org.cn
연구 장소
-
-
Guangdong
-
Guangzhou, Guangdong, 중국, 510060
- 모병
- Sun Yat-sen University Cancer Center
-
연락하다:
- Pu-Yun OuYang
- 전화번호: +86 18565382769
- 이메일: ouyangpy@sysucc.org.cn
-
연락하다:
- Pu-Yun OuYang
- 이메일: ouyangpy@sysucc.org.cn
-
Guangzhou, Guangdong, 중국, 510060
- 아직 모집하지 않음
- Department of Radiation Oncology, Sun Yat-sen University Cancer Center
-
연락하다:
- Pu-Yun OuYang
- 전화번호: 86+020-87342925
- 이메일: ouyangpy@sysucc.org.cn
-
연락하다:
- Pu-Yun OuYang
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
병리학 적으로 확인 된 비 인두 암종 환자
설명
포함 기준 :
A. 1 차 병변은 병인 암종으로 병리학 적으로 확인되었다 (WHE 분류는 I, II 및 III입니다); B. 무대는 T3-4 또는 N2-3이었고, 비 인두 + 넥 MRI 평범한 스캔 및 향상된 스캔을 수행하여 비 인두 및 자궁 경부 림프절 병변 및 PET/CT 또는 기존 검사 (흉부 일반 검사 + 강화 스캔, 상부 복부 CT 또는 MRI 일반 스캔 + 향상된 스캔 또는 복부 색상 도플러 초음파 또는 초음파 혈관 조영술 및 전신 뼈 먼 전이를 스크리닝하기 위해 이미징)을 수행 하였다.
제외 기준 :
다른 악성 종양의 이전 병력 (예 : 다른 두부 및 목 편평 세포 암, 갑상선 암, 유방암, 식도암 등).
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
그룹/코호트 수
1
코호트 및 개입
그룹/코호트그룹/코호트 |
|---|
|
예비 검증 코호트
AI 모델의 진단 효능을 검증하기위한 예비 환자 등록
|
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
부정적인 예측 값
기간: 학습 완료를 통해 평균 2 년
|
NPV는 실제로 음수 인 예측 된 음성 사례의 비율을 측정합니다.
부정적인 결과를 예측할 때 모델이 얼마나 신뢰할 수 있는지 알려줍니다.
|
학습 완료를 통해 평균 2 년
|
2차 결과 측정
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
민감도, 특이성 및 긍정적 예측 값
기간: 학습 완료를 통해 평균 2 년
|
95%의 음의 예측 값에 해당하는 임계 값에서 먼 전이를 예측할 때 AI의 감도, 특이성 및 긍정적 예측 값.
|
학습 완료를 통해 평균 2 년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
협력자
협력자
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- OuYang PY, He Y, Guo JG, Liu JN, Wang ZL, Li A, Li J, Yang SS, Zhang X, Fan W, Wu YS, Liu ZQ, Zhang BY, Zhao YN, Gao MY, Zhang WJ, Xie CM, Xie FY. Artificial intelligence aided precise detection of local recurrence on MRI for nasopharyngeal carcinoma: a multicenter cohort study. EClinicalMedicine. 2023 Aug 30;63:102202. doi: 10.1016/j.eclinm.2023.102202. eCollection 2023 Sep.
- Zhong L, Dong D, Fang X, Zhang F, Zhang N, Zhang L, Fang M, Jiang W, Liang S, Li C, Liu Y, Zhao X, Cao R, Shan H, Hu Z, Ma J, Tang L, Tian J. A deep learning-based radiomic nomogram for prognosis and treatment decision in advanced nasopharyngeal carcinoma: A multicentre study. EBioMedicine. 2021 Aug;70:103522. doi: 10.1016/j.ebiom.2021.103522. Epub 2021 Aug 11.
- Qiang M, Li C, Sun Y, Sun Y, Ke L, Xie C, Zhang T, Zou Y, Qiu W, Gao M, Li Y, Li X, Zhan Z, Liu K, Chen X, Liang C, Chen Q, Mai H, Xie G, Guo X, Lv X. A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma. J Natl Cancer Inst. 2021 May 4;113(5):606-615. doi: 10.1093/jnci/djaa149.
- Lin L, Dou Q, Jin YM, Zhou GQ, Tang YQ, Chen WL, Su BA, Liu F, Tao CJ, Jiang N, Li JY, Tang LL, Xie CM, Huang SM, Ma J, Heng PA, Wee JTS, Chua MLK, Chen H, Sun Y. Deep Learning for Automated Contouring of Primary Tumor Volumes by MRI for Nasopharyngeal Carcinoma. Radiology. 2019 Jun;291(3):677-686. doi: 10.1148/radiol.2019182012. Epub 2019 Mar 26.
- OuYang PY, Zhang BY, Guo JG, Liu JN, Li J, Peng QH, Yang SS, He Y, Liu ZQ, Zhao YN, Li A, Wu YS, Hu XF, Chen C, Han F, You KY, Xie FY. Deep learning-based precise prediction and early detection of radiation-induced temporal lobe injury for nasopharyngeal carcinoma. EClinicalMedicine. 2023 Apr 4;58:101930. doi: 10.1016/j.eclinm.2023.101930. eCollection 2023 Apr.
- Sun XS, Liu SL, Luo MJ, Li XY, Chen QY, Guo SS, Wen YF, Liu LT, Xie HJ, Tang QN, Liang YJ, Yan JJ, Lin DF, Bi MM, Liu Y, Liang YF, Ma J, Tang LQ, Mai HQ. The Association Between the Development of Radiation Therapy, Image Technology, and Chemotherapy, and the Survival of Patients With Nasopharyngeal Carcinoma: A Cohort Study From 1990 to 2012. Int J Radiat Oncol Biol Phys. 2019 Nov 1;105(3):581-590. doi: 10.1016/j.ijrobp.2019.06.2549. Epub 2019 Jul 15.
- Tang LQ, Chen QY, Fan W, Liu H, Zhang L, Guo L, Luo DH, Huang PY, Zhang X, Lin XP, Mo YX, Liu LZ, Mo HY, Li J, Zou RH, Cao Y, Xiang YQ, Qiu F, Sun R, Chen MY, Hua YJ, Lv X, Wang L, Zhao C, Guo X, Cao KJ, Qian CN, Zeng MS, Mai HQ. Prospective study of tailoring whole-body dual-modality [18F]fluorodeoxyglucose positron emission tomography/computed tomography with plasma Epstein-Barr virus DNA for detecting distant metastasis in endemic nasopharyngeal carcinoma at initial staging. J Clin Oncol. 2013 Aug 10;31(23):2861-9. doi: 10.1200/JCO.2012.46.0816. Epub 2013 Jul 15. Erratum In: J Clin Oncol. 2016 Feb 10;34(5):519. doi: 10.1200/jco.2015.66.3427.
- Xiao BB, Lin DF, Sun XS, Zhang X, Guo SS, Liu LT, Luo DH, Sun R, Wen YF, Li JB, Lv XF, Han LJ, Yuan L, Liu SL, Tang QN, Liang YJ, Li XY, Guo L, Chen QY, Fan W, Mai HQ, Tang LQ. Nomogram for the prediction of primary distant metastasis of nasopharyngeal carcinoma to guide individualized application of FDG PET/CT. Eur J Nucl Med Mol Imaging. 2021 Jul;48(8):2586-2598. doi: 10.1007/s00259-020-05128-8. Epub 2021 Jan 8.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (추정된)
연구 시작
2025년 2월 15일
기본 완료 (추정된)
기본 완료
2026년 12월 31일
연구 완료 (추정된)
연구 완료
2026년 12월 31일
연구 등록 날짜
최초 제출
최초 제출
2025년 2월 14일
QC 기준을 충족하는 최초 제출
QC 기준을 충족하는 최초 제출
2025년 2월 14일
처음 게시됨 (실제)
처음 게시됨
2025년 3월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
마지막 업데이트 게시됨
2025년 3월 25일
QC 기준을 충족하는 마지막 업데이트 제출
QC 기준을 충족하는 마지막 업데이트 제출
2025년 2월 21일
마지막으로 확인됨
마지막으로 확인됨
2025년 2월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
기타 연구 ID 번호
- B2025-062-01
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
IPD 계획 설명
환자 프라이버시, 윤리적 고려 사항 또는 제도적 정책에 대한 우려로 인해 개별 참가자 데이터 (IPD)가 공유되지 않을 수 있습니다.
또한 데이터 보호 규정, 기밀 유지 계약 또는 재 식별의 잠재적 위험에서 제한이 발생할 수 있습니다.
또한 데이터에 민감한 의료 정보가 포함 된 경우 공유에는 실현 불가능한 특별 승인 또는 식별 제거 프로세스가 필요할 수 있습니다.
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
미국에서 제조되어 미국에서 수출되는 제품
아니
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. .