MR1과 인공지능을 기반으로 한 안와 종양의 위험 계층화
연구 개요
상세 설명
안와 종양은 다른 눈 관련 질환에 비해 흔하지는 않지만 환자에게 극도로 해로울 수 있습니다. 신체적 손상을 유발할 수 있을 뿐만 아니라 시력 저하, 안구 운동 제한 등 기능적 손상을 초래할 수도 있습니다. 안와 종양은 양성 또는 악성으로 분류될 수 있으며, 생물학적 행동, 치료 접근법, 결과 및 예후에 상당한 차이가 있어 감별진단 및 치료법 선택 과정이 복잡해집니다. 악성 병변의 경우 병리학적 유형과 단계가 다르기 때문에 환자의 치료 계획과 예후가 다양합니다. 따라서 안와 종양에 대한 정확한 진단 방법을 고안하는 것이 임상적으로 시급한 필요성이 있습니다. 다중 매개변수 자기공명영상(mp-MRI)은 현재 안와 종양 진단을 위한 선도적인 비침습적 영상 기술로 자리잡고 있습니다. 본 연구는 안와 종양 위험 계층화의 정확한 진단을 중심으로 인공 지능 알고리즘 기술을 활용하여 MRI 영상과 양성 및 악성 안와 종양의 감별 진단, 조직학적 유형 및 악성 종양의 Ki-67 발현 수준 간의 고유한 연관성을 탐색합니다. 임상 정보와 정량적 MRI 기능을 통합하여 예측 모델을 구축하고 안와 종양 환자의 개별 진단 및 치료 결정을 안내하며 인공 지능 기술의 적용 및 발전을 촉진하는 것을 목표로 합니다. 구체적으로 연구목적을 다음과 같이 개괄한다.
- 여러 센터의 다중 시퀀스 MRI 데이터 세트를 사용하여 안와 종양에 대한 딥러닝 기반 자동 분할 모델을 구축함으로써 수동 묘사에 필요한 시간을 줄이고 후속 분석에 유용한 것으로 입증됩니다.
- 다중 서열 MRI 데이터 세트와 결합된 다중 기계 학습 알고리즘을 사용하여 악성 및 양성 안와 종양을 식별하기 위한 모델을 개발합니다. 이를 통해 두 개체를 구별하기 위한 보다 정확한 정보를 제공할 수 있습니다.
- 악성 안와 종양의 조직학적 유형과 Ki-67 발현 수준을 식별하기 위해 정량적 다중 시퀀스 MRI 기능을 갖춘 기계 학습 또는 딥 러닝 접근 방식을 사용하여 강력한 진단 모델을 구축하여 탐지율과 정확성을 향상시켜 환자의 위험 계층화를 달성합니다. 악성 안와 종양이 있습니다.
연구 유형
등록 (실제)
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 2015년부터 2022년까지 베이징 퉁런병원에서 수술 전 다중모수MR1(mp-MR1)을 받은 안와종양 환자.
제외 기준:
- 수술 전 다중 매개변수 MR1(mp-MR1)이 없거나 명확한 병리학적 진단이 없는 환자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
악성 안와 종양
병리학적 확인으로 진단된 악성 안와 종양(림프종, 흑색종 등) 환자.
|
진단 모델은 다중 매개 변수 MRI 이미지에서 추출된 정량적 특징을 사용하여 구축되고 적절한 딥 러닝 또는 기계 학습 알고리즘을 통해 추가 처리됩니다.
|
|
양성 안와 종양
양성 안와 종양(해면상 혈관종, 염증성 가성종양 등)이 병리학적으로 확진된 환자.
|
진단 모델은 다중 매개 변수 MRI 이미지에서 추출된 정량적 특징을 사용하여 구축되고 적절한 딥 러닝 또는 기계 학습 알고리즘을 통해 추가 처리됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
악성 및 양성 안와 종양, 조직학적 유형의 높고 낮은 등급, 악성 종양에서의 Ki-67 발현 수준의 감별 진단을 위한 진단 모델의 수신기 작동 특성 곡선 아래 영역입니다.
기간: 수술 전
|
ROC 곡선 아래 면적은 1 - 특이성에 대한 민감도를 나타내는 ROC 곡선을 통합하여 계산됩니다.
|
수술 전
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
악성 안와 종양의 감별 진단, 조직학적 유형의 높은 등급과 낮은 등급, 악성 안와 종양에서 Ki-67 발현의 높은 수준과 낮은 수준을 위한 진단 모델의 정밀-재현 곡선 아래 영역입니다.
기간: 수술 전
|
정밀도-재현율 곡선 아래 영역은 정밀도와 재현율을 나타내는 정밀도-재현율 곡선을 통합하여 결정됩니다.
|
수술 전
|
|
악성 및 양성 안와 종양, 조직학적 유형의 높은 등급과 낮은 등급, 악성 안와 종양에서 Ki-67 발현의 높은 수준과 낮은 수준의 감별 진단을 위한 진단 모델의 민감도.
기간: 수술 전
|
민감도는 참양성과 위음성의 합에 대한 참양성의 비율로 계산됩니다.
|
수술 전
|
|
악성 및 양성 안와 종양, 조직학적 유형의 높은 등급과 낮은 등급, 악성 안와 종양에서 Ki-67 발현의 높은 수준과 낮은 수준의 감별 진단을 위한 진단 모델의 특이성.
기간: 수술 전
|
특이성은 참음성과 위양성의 합에 대한 참음성의 비율로 계산됩니다.
|
수술 전
|
|
악성 및 양성 안와 종양, 조직학적 유형의 높은 등급과 낮은 등급, 악성 안와 종양에서 Ki-67 발현의 높은 수준과 낮은 수준의 감별 진단을 위한 진단 모델의 정확성.
기간: 수술 전
|
정확도는 총 사례 수에 대한 참양성과 참음성의 합계 비율로 계산됩니다.
|
수술 전
|
공동 작업자 및 조사자
수사관
- 연구 의자: Junfang Xian, M.D., Ph.D., Department of Radiology, Beijing Tongren Hospital, Capital Medical University
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
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. .