이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

교종 분자 예측을 위한 병리 AI에 관한 전향적 실제 세계 연구

2025년 11월 23일 업데이트: Nanfang Hospital, Southern Medical University

신경교종의 분자적 변화 예측을 위한 병리 인공지능에 관한 전향적 실제 세계 연구

이 임상 연구의 목적은 디지털 병리학 이미지를 사용하여 뇌종양의 일종인 신경교종에서 중요한 분자 변화를 인공지능(AI) 모델이 정확하게 예측할 수 있는지 알아보는 것입니다.

이 연구가 답하고자 하는 주요 질문은 다음과 같습니다:

AI 모델이 표준 분자 검사와 비교하여 주요 분자 변이를 예측하는 정확도는 어느 정도인가? AI 모델이 진단에 필요한 시간을 단축하고 값비싼 분자 검사의 필요성을 줄일 수 있는가?

연구자들은 여러 병원에서 전체 슬라이드 이미지를 수집하고 AI 모델을 사용하여 분자 결과를 예측할 것입니다. 예측 결과는 표준 실험실 방법으로 얻은 실제 검사 결과와 비교될 것입니다.

참가자는:

연구를 위해 자신의 병리학 이미지와 분자 검사 결과 사용을 허용합니다.

표준 의료 치료 외에 추가적인 치료나 절차를 받지 않습니다.

이 연구는 AI 지원 도구가 신경교종에 대해 더 빠르고 저렴한 분자 진단을 제공할 수 있는지 확인하는 데 도움이 되어 환자 치료를 개선하고 정밀 의학에 대한 평등한 접근을 지원할 것입니다.

연구 개요

상태

모병

정황

연구 유형

관찰

등록 (추정된)

2000

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

연구 장소

    • Guangdong
      • Guangzhou, Guangdong, 중국, 510515
        • 모병
        • Nanfang Hospital, Southern Medical University
        • 연락하다:
        • 연락하다:

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

아니

샘플링 방법

비확률 샘플

연구 인구

이 연구는 생검 또는 외과적 절제를 통해 확산성 교종으로 진단되었거나 의심되는 성인 참가자(만 18세 이상)를 포함합니다. 참가자는 사용 가능한 헤마톡실린 및 에오신(H&E) 염색 디지털 병리 슬라이드와 완전한 임상 및 분자 검사 데이터를 보유해야 합니다.

모든 참가자는 교종에 대해 표준 의료 치료를 받은 환자일 것입니다. 이 연구의 일환으로 추가 치료나 중재는 수행되지 않습니다. 병리 이미지와 분자 검사 결과는 AI 기반 병리 모델의 진단 성능을 평가하기 위해 여러 임상 센터로부터 전향적으로 수집될 것입니다.

설명

포함 기준:

  • 참가자(또는 법정 대리인)가 자발적으로 동의서에 서명했습니다.
  • 등록 시점에 연령 ≥ 18세.
  • 생검 또는 수술 절제를 기반으로 확산성 신경교종이 조직학적으로 의심됩니다.
  • 완전한 임상 정보와 헤마톡실린 및 에오신(H&E) 염색이 된 사용 가능한 디지털 병리 슬라이드의 가용성.
  • 비교를 위해 수술 후 분자 병리 결과가 사용 가능합니다.

제외 기준:

  • 저품질 병리 샘플(예: 부족한 조직, 슬라이드의 큰 접힘 또는 오염, 또는 부적합한 디지털 스캔 품질).
  • 연구자가 어떤 이유로든 연구 참여에 부적합하다고 판단합니다.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
신경교종에서 주요 분자 변이를 예측하는 AI 모델의 정확도
기간: 전체 슬라이드 이미지(WSIs)를 획득한 후 1주일 이내에
주요 결과는 신경교종에서 주요 분자 변이를 예측하는 AI 기반 병리 모델의 진단 성능입니다. 정확도, 민감도, 특이도 및 수신자 조작 특성 곡선 아래 면적(AUC)은 AI 예측을 표준 분자 병리 검사의 참조 결과와 비교하여 계산됩니다.
전체 슬라이드 이미지(WSIs)를 획득한 후 1주일 이내에

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 연구 책임자: Li Liang, Nanfang Hospital, Southern Medical University

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)

2025년 9월 1일

기본 완료 (추정된)

2030년 9월 1일

연구 완료 (추정된)

2030년 9월 1일

연구 등록 날짜

최초 제출

2025년 11월 13일

QC 기준을 충족하는 최초 제출

2025년 11월 23일

처음 게시됨 (추정된)

2025년 12월 4일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 12월 4일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 11월 23일

마지막으로 확인됨

2025년 11월 1일

추가 정보

이 연구와 관련된 용어

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. .

구독하다