전립선암의 정밀 예측 및 치료를 위한 인공지능 모델
2024년 10월 27일 업데이트: Shao Pengfei
인공지능 모델 기반 전체 슬라이드 영상 및 MRI를 통한 전립선암의 정확한 예측 및 치료
본 임상시험의 목적은 인공지능 모델이 병리학적 소견의 정확한 임상적 수술 전 진단과 수술 후 진단에 사용될 수 있는지 여부와 인공지능 모델의 예측 정확도를 측정하는 것입니다. 모델이 다루는 주요 목표 질문은 다음과 같습니다. 건물은 다음과 같습니다:
- AI 모델이 수술 전 MRI와 수술 후 전체 슬라이드 이미지로부터 학습하여 수술 전/정확하게 전립선암이 의심되는 참가자의 양성 또는 악성, 공격성, 등급, 하위 유형, 유전자 등과 같은 정보를 정확하게 예측할 수 있는지 여부.
- AI 모델이 새로운 참가자의 수술 병리학 슬라이드 결과 진단을 가능하게 하기 위해 수술 후 대병리학 슬라이드를 학습할 수 있는지 여부.
참가자는 다음을 수행합니다.
- MRI 검사를 완료하고, 확립된 AI 모델로 MRI 영상을 분석해 정확한 진단을 내립니다.
- 진단 결과에 따라 전립선암이 예측되면 근치적 전립선암 수술을 받고 수술적 병리를 개선하게 된다.
연구 개요
상세 설명
인공지능 기술을 기반으로 주석이 달린 전립선암 전체 슬라이드 이미지와 MRI 간의 정량적 매핑 상관관계를 개략적으로 설명하고 공통적인 특징을 명확히 하여 예측 모델을 구축합니다.
첫째, 모델은 전립선암의 급진적 병리를 정확하게 진단할 수 있으며, 면역조직화학을 면제하여 자세한 병리학적 정보를 얻을 수 있습니다. 둘째, 확립된 AI 예측 모델은 수술이나 천자 전 참가자의 MRI 영상을 예측해 전립선암의 양성/악성, 침습성, 등급, 아형 등을 정확하게 진단할 수 있어 수술이나 천자 전 환자에게 맞는 맞춤형 치료 계획을 세울 수 있다. .
마지막으로 AI 기술을 기반으로 모델이 MRI 영상을 학습해 수술/천자 전 전립선과 병변을 3D 재구성해 병변의 정확한 위치를 파악하고 천자나 수술 치료를 안내한다.
연구 유형
중재적
등록 (추정된)
200
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Pengfei Shao, Professor
- 전화번호: 13851925825
- 이메일: spf032@hotmail.com
연구 연락처 백업
- 이름: Pan Zang, Postgraduate
- 전화번호: 18914730216
- 이메일: 896381164@qq.com
연구 장소
-
-
Jiangsu
-
Nanjing, Jiangsu, 중국, 210036
- The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
-
-
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
설명
포함 기준:
- PCa가 의심되는 환자(PSA 상승 또는 초음파 또는 MRI 결과에서 의심되는 양성 병변)
제외 기준:
- 수술, 방사선요법/화학요법, 내분비요법, 표적요법 및 면역요법을 포함한 모든 형태의 이전 전립선 치료
- 기준선 임상 및 병리학적 정보에서 누락된 항목이 있는 환자
- 다른 악성종양, 심각한 동반질환 또는 기타 건강 문제의 병력이 있는 환자
- 사전 동의 양식을 제공/서명할 수 없습니다.
- 연구자의 판단에 따라 본 임상시험에 참여하기에 부적합하다고 판단되는 환자
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 삼루타
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 실험그룹
이 환자 그룹은 인공지능 모델의 도움을 받아 예측을 받게 됩니다.
|
진단 테스트: 정확한 예측 인공 지능 모델 제공된 정보에 따라 AI 예측 모델을 기반으로 수술 후 병리학, 정확한 수술 전 진단(양성 및 악성, 침습성, 등급, 하위 유형 포함) 또는 3D 병변 모델링이 예측됩니다.
|
|
간섭 없음: 통제그룹
이 환자 그룹은 인공 지능 모델의 지원을 받는 예측을 받지 못합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
'AUC' 종합 평가 모델을 활용한 근치적 전립선절제술 후 근치후 전립선암 병리 예측
기간: 피험자 등록부터 초기 수술 후까지 일반적으로 30~90일이 소요됩니다.
|
'AUC'는 수술 후 전립선암의 면역조직화학 관련 병리학적 정보를 예측하는 모델의 성능을 나타내는 ROC(Receiver Operating Characteristic) 곡선 아래 면적을 말하며, AUC의 범위는 0~1 범위로 값이 클수록 더 나은 예측 효과를 나타냅니다.
|
피험자 등록부터 초기 수술 후까지 일반적으로 30~90일이 소요됩니다.
|
|
'AUC' 종합 평가 모델을 통한 근치후 병리의 성능 예측
기간: 피험자 등록부터 초기 수술 후까지 일반적으로 30~90일이 소요됩니다.
|
'AUC'는 수술 전 전립선암을 예측하는 모델의 성능 수준을 나타내는 ROC(Receiver Operating Characteristic) 곡선 아래 영역을 말하며, AUC 범위는 0~1이며, 값이 클수록 예측 결과가 좋다는 것을 의미합니다.
|
피험자 등록부터 초기 수술 후까지 일반적으로 30~90일이 소요됩니다.
|
|
수술 전 3D 모델링 성능을 평가하는 'F1 Score'
기간: 피험자 등록부터 초기 수술 후/천자 회복까지 일반적으로 30~90일이 소요됩니다.
|
'F1 점수'를 통해 평가한 수술 전 3D 모델링 정밀도와 재현율의 조정 평균으로 실제 상황과 일치하는지를 나타냅니다.
|
피험자 등록부터 초기 수술 후/천자 회복까지 일반적으로 30~90일이 소요됩니다.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
"경제적인 비용 절감"을 통해 예측 모델과 임상 접근 방식의 비용 차이 정도를 평가합니다.
기간: 피험자 등록부터 초기 수술 후/천자 회복까지 일반적으로 30~90일이 소요됩니다.
|
예측 모델을 사용하여 발생한 비용과 임상 접근법을 사용하여 예측한 비용의 차이를 비교하면 그 차이는 위안화입니다.
|
피험자 등록부터 초기 수술 후/천자 회복까지 일반적으로 30~90일이 소요됩니다.
|
|
"진단 시간"은 수술 후 면역조직화학 관련 병리를 예측하는 데 걸리는 시간을 평가합니다.
기간: 피험자 등록부터 초기 수술 후/천자 회복까지 일반적으로 30~90일이 소요됩니다.
|
면역조직화학 관련 병리학 정보를 얻기 위해 수술 후 병리학자를 예측하거나 보조하는 데 소요된 시간은 "진단 시간"으로 평가되며 분 단위로 측정됩니다.
|
피험자 등록부터 초기 수술 후/천자 회복까지 일반적으로 30~90일이 소요됩니다.
|
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 (추정된)
2024년 12월 1일
기본 완료 (추정된)
2030년 1월 1일
연구 완료 (추정된)
2030년 12월 31일
연구 등록 날짜
최초 제출
2024년 8월 13일
QC 기준을 충족하는 최초 제출
2024년 10월 27일
처음 게시됨 (실제)
2024년 10월 29일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 10월 29일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 10월 27일
마지막으로 확인됨
2024년 10월 1일
추가 정보
이 연구와 관련된 용어
키워드
추가 관련 MeSH 약관
기타 연구 ID 번호
- Shao Pengfei
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. .