이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

림프절 진단에서 CP-EBUS의 예측 모델

2020년 3월 31일 업데이트: Jiayuan Sun, Shanghai Chest Hospital

양성 및 악성 림프절 진단에서 CP-EBUS 멀티모달 영상의 딥러닝 기반 예측 모델 원문보기 KCI 원문보기 인용

그레이 스케일, 혈류 도플러 및 탄성 촬영을 포함하는 기관지내 초음파(EBUS) 다중 모드 영상은 비침습적 진단으로 사용될 수 있고 병리학적 결과를 보완할 수 있어 중요한 임상 적용 가치가 있습니다. 본 연구에서는 1000개의 흉부 양성 및 악성 림프절(LN)의 EBUS 다중 모드 이미지 데이터베이스를 구축하여 대표 이미지를 자동으로 선택하고 LN을 진단할 수 있는 딥러닝 신경망을 훈련합니다. 연구자들은 흉곽 내 림프절의 딥러닝 기반 인공지능 예측 모델을 구축하고 다른 300개의 림프절에서 모델을 검증할 예정이다.

연구 개요

상태

알려지지 않은

정황

상세 설명

흉부 림프절 비대는 광범위한 질환을 가지고 있으며, 그 중 폐암의 흉부 림프절 전이가 가장 흔한 악성 질환입니다. 염증, 결핵 및 유육종증을 포함한 양성 병변도 표적 치료를 위해 구별되어야 합니다.

그레이 스케일, 혈류 도플러 및 엘라스토그래피를 포함하는 EBUS 다중 모드 이미지는 비침습적 진단으로 사용될 수 있으며 중요한 임상 적용 가치가 있는 병리학적 결과를 보완할 수 있습니다. 이 연구는 EBUS 인공 지능 예측 모델의 후향적 구축과 예측 모델의 다중 센터 전향적 검증의 두 부분으로 구성됩니다. 총 1300명의 LN이 연구에 등록될 것입니다.

영상 보존 중 탄성촬영 및 도플러 기능을 갖춘 초음파 호스트(EU-ME2, Olympus 또는 Hi-vision Avius, Hitachi)와 초음파 기관지경 검사(BF-UC260FW, Olympus 또는 EB1970UK, Pentax)를 이용하여 대상 LN 및 주변 혈관을 검사합니다. . 대상 LN의 다중 모드 이미지 데이터가 수집됩니다.

연구자들은 먼저 1000개 LN의 이미지를 사용하여 딥러닝 기반 인공지능 예측 모델을 구축하고 다른 300개 LN에서 모델을 검증합니다. 이 모델은 기존의 정성적 및 정량적 평가 방법과 비교하여 진단 효능을 검증할 것입니다.

연구 유형

관찰

등록 (예상)

1300

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 중국
    • Shanghai
      • Shanghai, Shanghai, 중국, 200030
        • 모병
        • Shanghai Chest Hospital
        • 연락하다:

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

18년 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

해당 없음

연구 대상 성별

모두

샘플링 방법

비확률 샘플

연구 인구

EBUS-TBNA에 의해 진단될 필요가 있는 확장된 흉부 림프절을 가진 환자들이 이 연구에 등록됩니다.

설명

포함 기준:

  1. 흉부 CT는 확대된 흉곽내 림프절(짧은 직경 > 1 cm)을 보여주거나 PET/CT는 흉곽내 림프절에서 증가된 FDG 흡수(SUV ≥ 2.0)를 갖는 환자를 보여줍니다;
  2. 운영 의사는 EBUS-TBNA를 폐암의 진단 또는 수술 전 병기 결정을 위해 LN에서 수행해야 한다고 생각했습니다.
  3. 환자는 EBUS-TBNA를 받는 데 동의하고 정보에 입각한 동의서에 서명하며 금기 사항이 없습니다.

제외 기준:

- EBUS-TBNA에 적합하지 않은 기타 상황이 있는 환자.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
전향적 검증 그룹
전향적 검증 섹션에서는 두 가지 진단 방법이 사용됩니다. 하나는 전통적인 정성적 및 정량적 방법이고 다른 하나는 진단 효능을 비교하기 위한 비디오 기반 인공 지능 예측 모델입니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
영상기반 EBUS 다중모달 인공지능 예측모델의 진단적 효능 원문보기 KCI 원문보기 인용
기간: 시술 후 6개월
진단 효능에는 민감도, 특이도, 양성 예측도, 음성 예측도 및 진단 정확도가 포함됩니다.
시술 후 6개월

2차 결과 측정

결과 측정
측정값 설명
기간
전통적인 정성적 및 정량적 방법의 진단 효능
기간: 시술 후 6개월
진단 효능에는 민감도, 특이도, 양성 예측도, 음성 예측도 및 진단 정확도가 포함됩니다.
시술 후 6개월
이미지 기반 멀티모달 딥러닝 모델의 진단 효능
기간: 시술 후 6개월
진단 효능에는 민감도, 특이도, 양성 예측도, 음성 예측도 및 진단 정확도가 포함됩니다.
시술 후 6개월
딥 러닝 기반 예측 모델과 기존의 정성적 및 정량적 방법 비교
기간: 시술 후 6개월
진단 효능에는 민감도, 특이도, 양성 예측도, 음성 예측도 및 진단 정확도가 포함됩니다.
시술 후 6개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Shanghai Chest Hospital

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

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 (실제)

2018년 7월 1일

기본 완료 (예상)

2020년 6월 30일

연구 완료 (예상)

2020년 12월 31일

연구 등록 날짜

최초 제출

2019년 12월 2일

QC 기준을 충족하는 최초 제출

2020년 3월 29일

처음 게시됨 (실제)

2020년 3월 31일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2020년 4월 2일

QC 기준을 충족하는 마지막 업데이트 제출

2020년 3월 31일

마지막으로 확인됨

2020년 3월 1일

추가 정보

이 연구와 관련된 용어

키워드

기타 연구 ID 번호

  • SHCHE201906

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

미정

IPD 계획 설명

조사관은 연구가 끝난 후 데이터베이스를 공개할 수 있지만 아직 결정된 사항은 없습니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

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. .

림프절 질환에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Lithuania

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다