수술 전 턱 낭종 분화를 위한 방사성학: 다기관 ML 연구
컴퓨터 단층촬영 이미지의 방사선학을 기반으로 한 턱 낭성 병변의 수술 전 감별: 다기관, 전향적 기계 학습 연구
이 연구는 법랑모세포종과 다양한 낭종과 같은 치성 종양을 포함한 턱뼈 낭성 병변에 중점을 둡니다. 치료 접근법은 다양합니다. 법랑모세포종은 잠재적인 재발과 전이로 인해 종종 수술적 절제가 필요한 반면, 낭포성 병변은 소파술과 유대류화술로 치료될 수 있습니다. 부적절한 선택으로 인해 치료가 지연되거나 과잉 치료되어 환자의 삶의 질에 영향을 미칠 수 있으므로 정확한 수술 전 진단은 최적의 치료 결과를 위해 매우 중요합니다. 현재 감별 진단을 위한 표준 프로토콜이 없으므로 예측 진단 모델의 필요성이 강조됩니다.
이 연구는 12개 센터에서 300명의 환자를 대상으로 하는 다기관, 전향적 기계 학습 연구가 될 것입니다. 이는 기계 학습과 CT 방사선학을 통합하는 이전에 개발된 예측 모델을 향상시키는 것을 목표로 합니다. 진단 예측을 개선하기 위해 데이터를 균일하게 처리하여 영상 기법을 기반으로 환자를 그룹화합니다. 포함 기준은 포괄적인 수술 전 데이터를 보장하는 반면 제외 기준은 불완전하거나 이전에 치료된 사례를 제거합니다. 이 연구는 모델의 성능을 최적화하고 귀중한 임상 통찰력을 제공하고자 합니다.
연구 개요
상세 설명
턱뼈 낭포성 병변에는 턱뼈 내에서 발생하는 치성 종양과 비종양성 낭성 병변이 포함되며, 전자 중 법랑모세포종이 가장 흔하고 후자 중 치성 및 비치성 낭종이 있습니다. 현재 치료 초점은 턱뼈 낭성 병변의 유형에 따라 다릅니다. 재발 및 전이될 수 있는 법랑모세포종은 주로 수술적 절제로 치료되는 반면, 낭성 병변은 소파술 및 유대류화와 같은 절차로 보다 광범위하게 치료됩니다. 따라서 다양한 턱뼈 병변에 대한 정확한 수술 전 감별 진단과 그에 따른 적절한 치료 계획의 선택이 최적의 환자 결과를 달성하는 데 중요합니다. 부적절한 치료 선택은 상태를 지연시키거나 과잉 치료로 이어져 환자의 삶의 질에 영향을 미칠 수 있습니다. 현재 턱뼈 낭성 병변의 치료를 위한 객관적이고 정확한 표준 및 감별 진단 프로토콜이 여전히 부족하여 임상적으로 중요한 객관적이고 과학적인 수술 전 진단 예측 모델의 확립이 필요합니다. 이전 연구에서 우리는 기계 학습 기술과 컴퓨터 단층 촬영(CT) 방사선학을 통합하여 효과적인 예측 진단 모델을 성공적으로 개발했으며, 최대 AUC 값 >0.8을 달성하여 우수한 예측 성능과 임상 참조 값을 나타냅니다. 이번 연구에서는 모델의 예측 진단 성능을 더욱 향상시키고 임상 진단 및 치료를 지원하기 위해 다기관, 전향적 기계 학습 연구를 수행하는 것을 목표로 하고 있습니다.
이 연구는 협력 기관 목록에 자세히 설명된 대로 12개 센터에 걸쳐 턱뼈 낭성 병변이 있는 300명의 환자를 대상으로 하는 다기관, 전향적 기계 학습 연구로 설계되었습니다. 각 연구센터의 실제 진단 및 치료 현황에 대한 기존 조사를 바탕으로, 다양한 영상 데이터를 영상 검사별로 분류하여 활용하고, 이후 영상 데이터의 단위, 종류별 처리 방식을 표준화해 나갈 예정이다. 일하다. 쑨원대학교 쑨원 기념병원이 메인 센터 역할을 하고, 다른 기관들은 서브센터 역할을 하게 됩니다. 구체적인 그룹화는 다음과 같습니다. 나선형 CT 그룹에는 6개의 종합병원이 포함됩니다. 콘빔 CT(CBCT) 그룹에는 종합병원 1곳과 치과 전문병원 5곳이 포함되어 있습니다.
연구 기간 동안 포함 기준을 충족하는 환자를 등록한 후 악안면 CT 영상 데이터를 수집하고 이를 소프트웨어(LIFEx 버전 6.30)로 가져와 관심 영역(ROI)을 설명합니다. ROI 내의 방사성 특징은 Pyradiomics 소프트웨어를 사용하여 추출되고 선택되며 기존 모델을 사용하여 수술 전 진단 예측에 사용됩니다. 수술적 치료 후 병변의 병리학적 결과를 추적하고 기록합니다. 조건이 허용되는 경우 모델의 예측 성능은 연구 중 단계적으로 추가로 최적화될 수 있습니다. 또는 보다 이상적인 수술 전 진단 예측을 달성하기 위해 모든 사용 가능한 데이터를 사용하여 예측 모델의 방법론적 조정 및 재구성을 시도할 수 있습니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Zhiquan Huang
- 전화번호: 13826142898
- 이메일: hzhquan@mail.sysu.edu.cn
연구 연락처 백업
- 이름: Songling Fang
- 전화번호: 15878920032
- 이메일: fangsling@mail.sysu.edu.cn
연구 장소
-
-
Guangdong
-
Guangzhou, Guangdong, 중국, 510120
- 모병
- Sun Yat-sen Memorial Hospital,Sun Yat-sen University
-
연락하다:
- Zhiquan Huang
- 전화번호: 13826142898
- 이메일: hzhquan@mail.sysu.edu.cn
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 1) 다른 치료 중재를 받지 않은 최초 방문자 2) 완전한 수술 전 의료 기록, 영상 검사 및 영상 데이터를 보유한 환자; 3) 수술 전 악안면 CT 검사를 받았고 CT 데이터가 완전하고 병변 부위에 인공물 간섭이 없으며 병변 크기가 가장 긴 직경이 2 cm 이상인 환자; 4) 수술적 치료를 견딜 수 있는 환자로서 수술 후 정기적인 병리학적 검사를 위해 검체를 보냅니다.
제외 기준:
- 1) 전문적인 검사 및 진료기록이 누락되는 등 진료기록이 불완전한 경우 2) 최초 진단 시 타병원에서 치료수술을 받았으나 완치되지 않았거나 재발한 환자 3) 수술 전 CT 검사를 받지 않았거나, CT 데이터가 불완전하거나, 병변 부위에 심각한 인공물 간섭이 있거나, 병변 크기가 요구 사항을 충족하지 않는 환자; 4) 일상적인 병리학적 검사 없이 수술 중 검사를 위한 표본으로 제출되지 않은 병변; 5) 수술 후 병리학적 보고가 불명확하거나 치성낭종이나 비고형 법랑모세포종 이외의 병리학적 진단이 있는 경우.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
나선형 CT
|
턱낭성 병변이 있는 등록 환자의 경우, 그룹에 따라 악안면 나선형 CT 스캔 또는 콘빔 CT 스캔을 수행한 후 수술 치료를 수행합니다.
|
|
콘빔 CT
|
턱낭성 병변이 있는 등록 환자의 경우, 그룹에 따라 악안면 나선형 CT 스캔 또는 콘빔 CT 스캔을 수행한 후 수술 치료를 수행합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
기계 학습 모델 예측을 위한 통계 분석 지표
기간: 2025.06-2026.01
|
ROC 곡선 아래 영역, 정확도, 민감도, 특이성...
|
2025.06-2026.01
|
공동 작업자 및 조사자
협력자
간행물 및 유용한 링크
일반 간행물
- Baumhoer D, Holler S. [Cystic lesions of the jaws]. Pathologe. 2018 Feb;39(1):71-84. doi: 10.1007/s00292-017-0402-x. German.
- Effiom OA, Ogundana OM, Akinshipo AO, Akintoye SO. Ameloblastoma: current etiopathological concepts and management. Oral Dis. 2018 Apr;24(3):307-316. doi: 10.1111/odi.12646. Epub 2017 Mar 9.
- Al-Moraissi EA, Kaur A, Gomez RS, Ellis E 3rd. Effectiveness of different treatments for odontogenic keratocyst: a network meta-analysis. Int J Oral Maxillofac Surg. 2023 Jan;52(1):32-43. doi: 10.1016/j.ijom.2022.09.004. Epub 2022 Sep 21.
- Yoshiura K, Higuchi Y, Araki K, Shinohara M, Kawazu T, Yuasa K, Tabata O, Kanda S. Morphologic analysis of odontogenic cysts with computed tomography. Oral Surg Oral Med Oral Pathol Oral Radiol Endod. 1997 Jun;83(6):712-8. doi: 10.1016/s1079-2104(97)90325-5.
- Neagu D, Escuder-de la Torre O, Vazquez-Mahia I, Carral-Roura N, Rubin-Roger G, Penedo-Vazquez A, Luaces-Rey R, Lopez-Cedrun JL. Surgical management of ameloblastoma. Review of literature. J Clin Exp Dent. 2019 Jan 1;11(1):e70-e75. doi: 10.4317/jced.55452. eCollection 2019 Jan.
- Kreppel M, Zoller J. Ameloblastoma-Clinical, radiological, and therapeutic findings. Oral Dis. 2018 Mar;24(1-2):63-66. doi: 10.1111/odi.12702.
- Yip SS, Aerts HJ. Applications and limitations of radiomics. Phys Med Biol. 2016 Jul 7;61(13):R150-66. doi: 10.1088/0031-9155/61/13/R150. Epub 2016 Jun 8.
- Mayerhoefer ME, Materka A, Langs G, Haggstrom I, Szczypinski P, Gibbs P, Cook G. Introduction to Radiomics. J Nucl Med. 2020 Apr;61(4):488-495. doi: 10.2967/jnumed.118.222893. Epub 2020 Feb 14.
- Avanzo M, Wei L, Stancanello J, Vallieres M, Rao A, Morin O, Mattonen SA, El Naqa I. Machine and deep learning methods for radiomics. Med Phys. 2020 Jun;47(5):e185-e202. doi: 10.1002/mp.13678.
- Binczyk F, Prazuch W, Bozek P, Polanska J. Radiomics and artificial intelligence in lung cancer screening. Transl Lung Cancer Res. 2021 Feb;10(2):1186-1199. doi: 10.21037/tlcr-20-708.
- Alves DBM, Tuji FM, Alves FA, Rocha AC, Santos-Silva ARD, Vargas PA, Lopes MA. Evaluation of mandibular odontogenic keratocyst and ameloblastoma by panoramic radiograph and computed tomography. Dentomaxillofac Radiol. 2018 Oct;47(7):20170288. doi: 10.1259/dmfr.20170288. Epub 2018 Jun 5.
- Meng Y, Zhang YQ, Ye X, Zhao YN, Chen Y, Liu DG. [Imaging analysis of ameloblastoma, odontogenic keratocyst and dentigerous cyst in the maxilla using spiral CT and cone beam CT]. Zhonghua Kou Qiang Yi Xue Za Zhi. 2018 Oct 9;53(10):659-664. doi: 10.3760/cma.j.issn.1002-0098.2018.10.003. Chinese.
- Valdivia ADCM, Ramos-Ibarra ML, Franco-Barrera MJ, Arias-Ruiz LF, Garcia-Cruz JM, Torres-Bugarin O. What is Currently Known about Odontogenic Keratocysts? Oral Health Prev Dent. 2022 Jul 22;20:321-330. doi: 10.3290/j.ohpd.b3240829.
- Huang CB, Hu JS, Tan K, Zhang W, Xu TH, Yang L. Application of machine learning model to predict osteoporosis based on abdominal computed tomography images of the psoas muscle: a retrospective study. BMC Geriatr. 2022 Oct 13;22(1):796. doi: 10.1186/s12877-022-03502-9.
- Zhu Y, Yao W, Xu BC, Lei YY, Guo QK, Liu LZ, Li HJ, Xu M, Yan J, Chang DD, Feng ST, Zhu ZH. Predicting response to immunotherapy plus chemotherapy in patients with esophageal squamous cell carcinoma using non-invasive Radiomic biomarkers. BMC Cancer. 2021 Oct 30;21(1):1167. doi: 10.1186/s12885-021-08899-x.
- Fang S, Wang Y, He Y, Yu T, Xie Y, Cai Y, Li W, Wang Y, Huang Z. Machine Learning Model Based on Radiomics for Preoperative Differentiation of Jaw Cystic Lesions. Otolaryngol Head Neck Surg. 2024 Jun;170(6):1561-1569. doi: 10.1002/ohn.744. Epub 2024 Apr 1.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- SYSKY-2024-432-02
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
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. .