인공지능 기반 췌장암 조기검진 및 고위험 추적 2(ESPRIT-AI-2) (AI-PANC)
2025년 3월 14일 업데이트: Changhai Hospital
췌장암의 조기검진과 계층적 진단 및 치료를 위한 인공지능 기반 건강정보관리 시스템 및 핵심기술 연구 2
췌관선암종(PDAC)은 은밀하게 발병하고 조기 진단율이 낮아 생존율이 매우 낮은 매우 공격적인 암입니다.
본 연구에서는 췌장 영상 AI 모델을 활용해 비조영 CT 스캔을 통해 췌장암의 조기 발견 및 고위험 모니터링을 개선했습니다.
목표는 특히 초기 단계에서 절제 가능한 PDAC를 식별하는 데 있어 AI 모델의 진단 성능을 검증하는 것입니다.
연구 개요
상세 설명
PDAC는 가장 공격적인 악성 종양 중 하나로, 5년 생존율이 13%에 불과합니다. 예후가 좋지 않은 이유는 주로 서서히 발병하고 조기 진단율이 낮기 때문입니다. 임상 연구에 따르면 췌장암 환자의 51%가 진단 당시 원격 전이가 있었고 5년 생존율은 5% 미만인 것으로 나타났습니다. 대조적으로, IA기 환자는 수술 후 5년 생존율이 최대 83.7%로 명확한 치료 이점을 보여줍니다. 췌장암의 조기 발견은 생존율 향상에 매우 중요합니다. 본 연구에서는 개발된 췌장 영상 AI 모델을 활용하여 전향적 임상 시험을 수행하고, 실제 응용 분야에서 모델의 진단 성능, 특히 초기 단계 PDAC를 탐지하는 효능을 검증하는 것을 목표로 합니다.
이 연구는 리수이시 중앙병원, 징닝현 인민병원, 닝보 인저우 인민병원, 가흥 제2병원, 메이니안 원헬스 건강 검진 센터와 협력하여 상하이 창하이 병원 일반외과 과장 Jin Gang이 주도했습니다. , Alibaba DAMO Academy의 의료 AI 이미징 연구소 팀. 이는 인공지능을 기반으로 췌장암의 조기 발견과 고위험 모니터링에 초점을 맞춘 중개 연구로, 임상 치료 경로에 직접적인 영향을 미칠 것이다. 연구 모집단은 기회주의적 검진 모집단으로 정의되는 의료기관이나 건강검진 센터에서 비조영 복부 또는 흉부 CT 스캔을 받은 개인으로 구성됩니다. 췌장 영상 AI 모델은 PDAC 및 비PDAC 하위 유형을 포함한 췌장 병변을 자동으로 감지하는 데 사용됩니다. AI 모델을 통해 양성 병변으로 식별된 피험자는 혈액 검사(종양 표지자 분석 포함)와 추가 영상 검사(조영제 CT, MRI, EUS 등)를 거쳐 최종 췌장 병변 상태를 확인하고 치료 계획을 수립해야 한다. 궁극적인 목표는 AI 모델의 진단 성능, 특히 조기 절제 가능한 췌장암의 발견률을 평가하는 것입니다.
연구 유형
관찰
등록 (추정된)
5000
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Wang Bei Lei, M.D.
- 전화번호: 86-13774238083
- 이메일: lilly_wang@126.com
연구 연락처 백업
- 이름: Guo Shi Wei, M.D.
- 전화번호: 86-18621500666
- 이메일: gestwa@163.com
연구 장소
-
-
Shanghai
-
Shanghai, Shanghai, 중국, 200433
- 모병
- Shanghai Changhai Hospital
-
연락하다:
- Wang Beilei, M.D.
- 전화번호: 86-13774238083
- 이메일: lilly_wang@126.com
-
연락하다:
- Jin Gang, M.D.
-
연락하다:
- Wang Bei Lei, M.D.
-
-
Zhejiang
-
Jiaxing, Zhejiang, 중국, 314000
- 모병
- Second Affiliated Hospital of Jiaxing University
-
연락하다:
- Shen Yi Jue, M.D.
- 전화번호: 13605835645
- 이메일: dr.syj@163.com
-
연락하다:
- Shen Yi Jue, M.D.
-
Ningbo, Zhejiang, 중국, 315100
- 모병
- Yinzhou Hospital Affiliated to Medical School of Ningbo University
-
연락하다:
- Zhu Ke Lei, M.D.
- 전화번호: 13566636272
- 이메일: dr.zkl@163.com
-
연락하다:
- Zhu Ke Lei, M.D.
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
샘플링 방법
비확률 샘플
연구 인구
연구 인구는 비 췌장 적응증에 대한 일상적인 비 대비 흉부 및/또는 복부 CT 스캔을받는 18 세 이상의 성인을 포함하는 반면, 배제 기준은 췌장암, 흉부 또는 복부 수술, 지난 6 개월 내의 급성 췌장염 또는 췌장암을 확인하기위한 췌장암, 급성 췌장염의 병력을 포함했습니다.
설명
포함 기준:
- 1. 피험자는 사전 동의를 제공하고 사전 동의서에 서명할 수 있고 기꺼이 할 수 있습니다.
2、대상은 다음과 같이 분류된 복부 또는 흉부 비조영 CT 스캔을 받았습니다:
- 신체검사 인구
- 외래 환자 인구
- 입원 환자 인구
- 응급실 인구
제외 기준:
- 1. 최근 5년 이내에 췌장암 또는 기타 악성종양 진단을 받은 적이 있는 자.
- 2、대상은 MRI/CT 스캔에서 조영제 사용을 금하는 건강 상태를 가지고 있습니다.
- 3. 피험자는 추적 관찰이 불가능하거나 다른 임상 시험에 참여하고 있습니다.
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 |
개입 / 치료 |
|---|---|
|
Aigorithm 분류 PDAC 그룹
비 대비 복부 및/또는 흉부 CT 스캔을받은 참가자는 PDAC로서 Aigorithm에 의해 예비 적으로 분류되었습니다.
|
알고리즘으로 식별 된 PDAC를 가진 참가자는 2 명의 방사선 전문의가 독립적으로 검토합니다.
고도로 의심되는 사람들은 혈청 학적 시험 (예 : CA19-9, CEA) 및 이미징 (예 : 대비 강화 CT/MRI, EUS-FNA)을 포함한 추가 진단 평가를 위해 리콜 될 것입니다.
긍정적 인 진단이 확인 된 참가자는 여러 분야의 상담 및 전문 치료를받는 반면, 부정적인 진단을받은 사람들은 적어도 1 년 동안 임상 적으로 준수 할 것입니다.
|
|
Aigorithm 분류 된 췌장 전구체 병변 그룹
비 대비 복부 및/또는 흉부 CT 스캔을받은 참가자는 췌장 전구체 병변으로서 악어에 의해 예비 적으로 분류되었습니다.
|
알고리즘으로 식별 된 췌장 전구체 병변을 가진 참가자는 두 명의 방사선 전문의가 독립적으로 검토 할 것입니다.
고도로 의심되는 사람들은 혈청 학적 시험 (예 : CA19-9, CEA) 및 이미징 (예 : 대비 강화 CT/MRI, EUS-FNA)을 포함한 추가 진단 평가를 위해 리콜 될 것입니다.
긍정적 인 진단이 확인 된 참가자는 여러 분야의 상담 및 전문 치료를받는 반면, 부정적인 진단을받은 사람들은 적어도 1 년 동안 임상 적으로 준수 할 것입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
PDAC의 검출 속도
기간: 3 년
|
CT 선별 검사를받는 모든 참가자 중에서 조직 학적으로 확인 된 PDAC의 비율로 정의됩니다.
|
3 년
|
|
고위험 전구체 병변의 검출 속도
기간: 3 년
|
CT 선별 검사를받는 모든 참가자들 사이에서 조직 학적으로 확인 된 전구체 병변 (IPMN/MCN) 회의의 비율로 정의됩니다.
|
3 년
|
|
PPV
기간: 3 년
|
모든 AI 양성 스크리닝 사례 중에서 조직 학적으로 확인 된 PDAC 및 고위험 전구체 병변의 비율로 정의된다.
|
3 년
|
|
리콜 속도
기간: 3 년
|
CT 선별 검사를받는 모든 참가자들 사이에서 AI 양성 스크리닝 및 방사선 전문의 검토 후 혈청 학적 및 이미징 테스트를 통한 추가 검증을 위해 더 검증 된 개인의 비율로 정의됩니다.
|
3 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
초기 단계 PDAC 비율
기간: 3 년
|
CT 스크리닝을 통해 검출 된 모든 PDAC 사례 중에서 조직 학적으로 확인 된 초기 단계 PDAC의 비율로 정의됩니다.
|
3 년
|
|
생존 시간
기간: 5 년
|
스크리닝을 통해 검출 된 PDAC 또는 전구체 병변 환자의 생존 시간으로 정의됩니다.
|
5 년
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
선별 절차 및 치료와 관련된 잠재적 피해
기간: 3 년
|
스크리닝 절차 (예 : 대비 강화 CT/MRI, EUS-FNA) 및 치료 (예 : 수술 후 합병증)와 관련된 잠재적 부작용으로 정의됩니다.
|
3 년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
협력자
수사관
- 연구 의자: Jin Gang, M.D., Changhai Hospital
- 연구 책임자: Wang Bei Lei, M.D., Changhai 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
- Mizrahi JD, Surana R, Valle JW, Shroff RT. Pancreatic cancer. Lancet. 2020 Jun 27;395(10242):2008-2020. doi: 10.1016/S0140-6736(20)30974-0.
- Pereira SP, Oldfield L, Ney A, Hart PA, Keane MG, Pandol SJ, Li D, Greenhalf W, Jeon CY, Koay EJ, Almario CV, Halloran C, Lennon AM, Costello E. Early detection of pancreatic cancer. Lancet Gastroenterol Hepatol. 2020 Jul;5(7):698-710. doi: 10.1016/S2468-1253(19)30416-9. Epub 2020 Mar 2.
- Chu LC, Park S, Kawamoto S, Wang Y, Zhou Y, Shen W, Zhu Z, Xia Y, Xie L, Liu F, Yu Q, Fouladi DF, Shayesteh S, Zinreich E, Graves JS, Horton KM, Yuille AL, Hruban RH, Kinzler KW, Vogelstein B, Fishman EK. Application of Deep Learning to Pancreatic Cancer Detection: Lessons Learned From Our Initial Experience. J Am Coll Radiol. 2019 Sep;16(9 Pt B):1338-1342. doi: 10.1016/j.jacr.2019.05.034. No abstract available.
- Cao K, Xia Y, Yao J, Han X, Lambert L, Zhang T, Tang W, Jin G, Jiang H, Fang X, Nogues I, Li X, Guo W, Wang Y, Fang W, Qiu M, Hou Y, Kovarnik T, Vocka M, Lu Y, Chen Y, Chen X, Liu Z, Zhou J, Xie C, Zhang R, Lu H, Hager GD, Yuille AL, Lu L, Shao C, Shi Y, Zhang Q, Liang T, Zhang L, Lu J. Large-scale pancreatic cancer detection via non-contrast CT and deep learning. Nat Med. 2023 Dec;29(12):3033-3043. doi: 10.1038/s41591-023-02640-w. Epub 2023 Nov 20.
- Ardila D, Kiraly AP, Bharadwaj S, Choi B, Reicher JJ, Peng L, Tse D, Etemadi M, Ye W, Corrado G, Naidich DP, Shetty S. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. Nat Med. 2019 Jun;25(6):954-961. doi: 10.1038/s41591-019-0447-x. Epub 2019 May 20. Erratum In: Nat Med. 2019 Aug;25(8):1319. doi: 10.1038/s41591-019-0536-x.
- Young MR, Abrams N, Ghosh S, Rinaudo JAS, Marquez G, Srivastava S. Prediagnostic Image Data, Artificial Intelligence, and Pancreatic Cancer: A Tell-Tale Sign to Early Detection. Pancreas. 2020 Aug;49(7):882-886. doi: 10.1097/MPA.0000000000001603.
- Stoffel EM, Brand RE, Goggins M. Pancreatic Cancer: Changing Epidemiology and New Approaches to Risk Assessment, Early Detection, and Prevention. Gastroenterology. 2023 Apr;164(5):752-765. doi: 10.1053/j.gastro.2023.02.012. Epub 2023 Feb 18.
- Kenner B, Chari ST, Kelsen D, Klimstra DS, Pandol SJ, Rosenthal M, Rustgi AK, Taylor JA, Yala A, Abul-Husn N, Andersen DK, Bernstein D, Brunak S, Canto MI, Eldar YC, Fishman EK, Fleshman J, Go VLW, Holt JM, Field B, Goldberg A, Hoos W, Iacobuzio-Donahue C, Li D, Lidgard G, Maitra A, Matrisian LM, Poblete S, Rothschild L, Sander C, Schwartz LH, Shalit U, Srivastava S, Wolpin B. Artificial Intelligence and Early Detection of Pancreatic Cancer: 2020 Summative Review. Pancreas. 2021 Mar 1;50(3):251-279. doi: 10.1097/MPA.0000000000001762.
- Klein AP. Pancreatic cancer epidemiology: understanding the role of lifestyle and inherited risk factors. Nat Rev Gastroenterol Hepatol. 2021 Jul;18(7):493-502. doi: 10.1038/s41575-021-00457-x. Epub 2021 May 17.
- US Preventive Services Task Force; Owens DK, Davidson KW, Krist AH, Barry MJ, Cabana M, Caughey AB, Curry SJ, Doubeni CA, Epling JW Jr, Kubik M, Landefeld CS, Mangione CM, Pbert L, Silverstein M, Simon MA, Tseng CW, Wong JB. Screening for Pancreatic Cancer: US Preventive Services Task Force Reaffirmation Recommendation Statement. JAMA. 2019 Aug 6;322(5):438-444. doi: 10.1001/jama.2019.10232.
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)
2024년 8월 3일
기본 완료 (추정된)
2029년 12월 31일
연구 완료 (추정된)
2030년 12월 31일
연구 등록 날짜
최초 제출
2024년 10월 9일
QC 기준을 충족하는 최초 제출
2024년 10월 9일
처음 게시됨 (실제)
2024년 10월 15일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2025년 3월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 3월 14일
마지막으로 확인됨
2025년 3월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- AI-PANC-1
- 202401063 (기타 보조금/기금 번호: Shanghai Municipal Bureau of Data)
- 202440208 (기타 보조금/기금 번호: Shanghai Municipal Health Commission)
- 20511101200 (기타 보조금/기금 번호: Shanghai Municipal Science and Technology Commission)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
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. .