영유아 간종양의 진단적 가치를 위한 딥러닝 자기공명영상 라디오믹스
2021년 12월 22일 업데이트: Yuhan Yang, West China Hospital
주산기의 간 종양은 영향을 받은 환자의 상당한 이환율 및 사망률과 관련이 있습니다.
AFP(alpha-fetoprotein)와 같은 기존의 진단 도구는 영아 간종양 진단에 제한적인 가치를 보여줍니다.
본 후향적-전향적 연구는 초기 치료 전 자기공명영상(MRI) 영상 분석을 통해 딥러닝 시스템의 진단 효율성을 평가하는 것을 목적으로 한다.
연구 개요
상세 설명
간종양은 주산기에는 거의 발생하지 않습니다.
태아와 신생아에서 발생하는 다양한 유형의 전체 신생물의 약 5%를 차지합니다.
영아 혈관내피종은 간모세포종이 뒤를 잇는 주요 원발성 간종양입니다.
알파-태아단백(AFP)은 정상 영아에서도 출생 후 처음 몇 개월 동안 매우 높게 상승하므로 AFP의 진단적 가치는 간종양이 있는 영아 환자에게 제한적입니다.
이 연구는 임상 데이터 및 방사선 이미지를 포함하여 Sichuan University의 West China Hospital에서 수행한 후향적-전향적 설계입니다.
2010년 6월과 2020년 12월에 명확한 조직학적 진단과 사용 가능한 자기 공명 영상(MRI) 이미지가 있는 환자에 대한 후향적 데이터베이스가 등록되었습니다.
조사관은 이 후향적 코호트에 대해 심층 학습 방사성학 진단 모델을 구축하고 내부적으로 검증했습니다.
전향적 코호트는 2021년 1월부터 간 종양으로 진단된 영아 환자를 모집할 것입니다.
제안된 딥 러닝 모델은 이 예상 코호트에서 외부적으로 검증될 것입니다.
확립된 모델은 유아의 간종양 진단을 지원할 수 있습니다.
연구 유형
관찰
등록 (예상)
200
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Sichuan
-
Chendu, Sichuan, 중국, 610041
- 모병
- West China Hospital, Sichuan University
-
-
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
1초 (어린이)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
간종양이 있고 수술, 생검, 선행화학요법, 방사선요법 전에 복부 MRI 검사를 마친 환자.
설명
포함 기준:
- 신생아부터 12개월 사이의 나이
- 진단 전 치료를 받지 않은 경우
- 서면 동의서
제외 기준:
- 임상 데이터 누락
- 사용할 수 없는 MRI 이미지
- 서면 동의 없이
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 다른
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
회고적 코호트
내부 코호트는 2010년 6월부터 2020년 12월까지 Sichuan University의 West China Hospital에 후향적으로 등록되었습니다.
훈련 및 내부 검증 코호트입니다.
|
방사성 특징 추출, 특징 정렬 및 모델 수축을 위한 다양한 방사성, 기계 학습 및 심층 학습 전략.
|
|
예상 코호트
동일한 포함/제외 기준이 전향적으로 동일한 센터에 적용되었습니다.
외부 검증 코호트입니다.
|
방사성 특징 추출, 특징 정렬 및 모델 수축을 위한 다양한 방사성, 기계 학습 및 심층 학습 전략.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단 정확도
기간: 1 개월
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단 정확도.
|
1 개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
딥러닝 알고리즘을 이용한 영아 간암의 진단 민감도
기간: 1 개월
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단 민감도.
|
1 개월
|
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단 특이성
기간: 1 개월
|
딥러닝 알고리즘을 이용한 영아 간암의 진단 특이성.
|
1 개월
|
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단적 양성 예측도
기간: 1 개월
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단 양성 예측값.
|
1 개월
|
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단적 음성 예측도
기간: 1 개월
|
딥러닝 알고리즘을 이용한 영아 간종양의 진단적 음성 예측도.
|
1 개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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)
2021년 1월 1일
기본 완료 (예상)
2023년 12월 31일
연구 완료 (예상)
2023년 12월 31일
연구 등록 날짜
최초 제출
2021년 12월 8일
QC 기준을 충족하는 최초 제출
2021년 12월 22일
처음 게시됨 (실제)
2021년 12월 27일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2021년 12월 27일
QC 기준을 충족하는 마지막 업데이트 제출
2021년 12월 22일
마지막으로 확인됨
2021년 12월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- HX2021-345
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니
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. .
방사성 알고리즘에 대한 임상 시험
-
Medtronic Cardiac Rhythm and Heart FailureMedtronic종료됨
-
New York State Psychiatric InstituteNational Institute of Mental Health (NIMH)완전한