갑상선암 림프절 전이를 위한 멀티모달 딥러닝
2025년 12월 22일 업데이트: Yu Feng, West China Hospital
색도플러 초음파 기반 다중 모달 딥러닝 모델을 이용한 유두상 갑상선암의 림프절 전이 및 암 병기 예측에 관한 다기관 연구
유두상 갑상선암(PTC)은 임상에서 가장 흔한 내분비계 악성종양으로, 모든 갑상선 악성종양의 약 85%를 차지합니다.
경부 림프절 전이가 발생할 경우 국소 종양 재발 및 원격 전이 위험이 더욱 증가하여 환자의 생존율이 낮아집니다.
병리학적 검사 결과에 따르면, 약 30-80%의 PTC 환자에서 림프절 전이가 확인됩니다.
전이 림프절의 조기 발견과 맞춤형 치료 계획 수립은 환자 예후 개선에 매우 중요합니다.
현재 림프절 전이 진단의 주요 방법은 초음파 유세포흡인검사이지만, 검체의 질에 따라 정확도가 제한되며 위음성 결과의 위험이 있습니다.
최근 몇 년간 딥러닝 기술은 의료 영상 분석 분야에서 상당한 잠재력을 보여주었습니다.
따라서 연구진은 경부 초음파 기반 딥러닝 모델을 개발하여 림프절 전이를 더 정확하게 예측하는 것을 목표로 합니다.
연구 개요
연구 유형
관찰
등록 (추정된)
3200
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Jianyong Lei
- 전화번호: +86 19983137992
- 이메일: leijianyong@scu.edu.cn
연구 연락처 백업
- 이름: Yu Feng
- 이메일: 1350502131@qq.com
연구 장소
-
-
Sichuan
-
Chengdu, Sichuan, 중국, 610041
- West China Hospital of Sichuan University
-
연락하다:
- Yu Feng
- 전화번호: +86 15183042703
- 이메일: 1350502131@qq.com
-
연락하다:
- Jianyong Lei
- 전화번호: +86 19983137992
- 이메일: leijianyong@scu.edu.cn
-
-
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
2020년 10월부터 2025년 10월까지 쓰촨대학교 화시병원 및 그 산하 분원에서 갑상선절제술을 받은 환자들의 임상 데이터를 후향적으로 수집하여 분석하였다.
설명
포함 기준:
갑상선 초음파 검사와 갑상선의 수술 후 병리 검사를 받은 18-80세 사례.
유두상 갑상선암을 처음 진단받은 사례. 림프절 절제술을 받은 사례
제외 기준:
18세 미만 또는 80세 초과 사례. 초음파 이미지 품질이 낮은 사례. 결절이 불완전하게 시각화된 사례. 여러 개의 뚜렷한 병변을 보이는 이미지 사례. 특수 인구군에 속하는 사례. 동시에 다른 종양이 있는 사례. 갑상선암 절제술 병력이 있는 사례
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 |
|---|---|
|
유두상 갑상선 암종 그룹
|
이것은 참가자들이 어떤 개입도 받지 않고, 참가자들에 대한 데이터 수집과 분석만이 수행될 후향적 관찰 연구입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
자궁경부 초음파 기반 다중모달 딥러닝 모델의 림프절 전이 예측에 대한 수신자 조작 특성 곡선 아래 면적
기간: 연구대상자 모집 완료 후 2개월 이내
|
연구자는 수술 전 자궁경부 컬러 도플러 초음파 영상과 해당하는 구조화된 텍스트 보고서를 통합하는 다중모달 딥러닝 모델을 사용할 것입니다.
모델의 최종 출력은 각 환자에 대한 림프절 전이 예측 확률입니다(0과 1 사이의 연속값).
이 예측 확률은 수술 후 조직병리학적 진단 결과(금기준)와 비교될 것입니다.
모델에 대해 수신자 조작 특성 곡선을 그려 곡선 아래 면적을 계산합니다. 이는 이진 분류 모델(전이 대 비전이)의 판별 능력을 평가하는 금기준 지표입니다.
더 높은 AUC 값은 모델의 전반적인 판별력이 더 강함을 나타냅니다.
|
연구대상자 모집 완료 후 2개월 이내
|
|
자궁경부 초음파 기반 다중모달 딥러닝 모델의 림프절 전이 예측 민감도
기간: 대상자 모집 완료 후 2개월 이내.
|
이 지표는 구축된 다중모달 딥러닝 모델이 최적의 진단 임계값에서 경부 림프절 전이가 실제로 있는 유두상 갑상선암 환자를 정확하게 식별하는 능력을 평가하는 것을 목표로 합니다.
연구자들은 림프절 전이 예측에 대한 경부 초음파 기반 다중모달 딥러닝 모델의 민감도를 계산하기 위해 수술 후 병리학을 통해 림프절 전이 진단을 받은 환자 수와 모델이 "양성"(즉, 전이가 있다고 예측됨)으로 예측한 환자 수를 수집해야 합니다.
계산 공식: 민감도 = 진양성 환자 수 / 수술 후 병리학으로 확인된 전체 양성 환자 수.
|
대상자 모집 완료 후 2개월 이내.
|
|
경부 초음파 기반 다중 모달 딥러닝 모델의 림프절 전이 예측 특이성
기간: 대상자 등록 완료 후 2개월 이내.
|
이 지표는 최적의 진단 임계값에서 구축된 다중모드 딥러닝 모델이 경부 림프절 전이를 발병하지 않은 유두상 갑상선암 환자를 올바르게 배제하는 능력을 평가하는 것을 목표로 합니다.
연구자들은 경부 초음파 기반 다중모드 딥러닝 모델의 림프절 전이 예측에 대한 특이도를 계산하기 위해, 수술 후 병리학을 통해 림프절 전이가 없는 것으로 진단된 환자 수와 모델이 "음성"(즉, 전이가 없는 것으로 예측)으로 예측한 환자 수를 수집해야 합니다.
계산 공식: 특이도 = 진음성 환자 수 / 수술 후 병리학으로 확인된 음성 환자 총수
|
대상자 등록 완료 후 2개월 이내.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
연구 코호트에서 병리학적으로 확인된 림프절 전이율
기간: 대상자 등록 완료 후 2개월 이내
|
해당 연구 집단의 총 인원 대비 수술 후 병리 검사를 통해 확인된 전이성 림프절이 적어도 하나 이상 있는 환자의 비율을 의미합니다.
연구자들은 수술 후 병리 검사를 통해 림프절 전이로 진단된 환자의 수를 수집해야 합니다.
|
대상자 등록 완료 후 2개월 이내
|
|
병리학적으로 확인된 림프절 전이와 관련된 임상적 요인에 대한 조정된 오즈비
기간: 대상자 등록 완료 후 2개월 이내
|
연구자들은 결과 변수(즉, 수술 후 병리적으로 확인된 림프절 전이 상태)와 그 노출 변수(예: 갑상선 내 원발 종양의 특정 위치, 최대 종양 직경, 환자 연령 등)를 수집해야 합니다.
이러한 변수를 사용하여 조정된 오즈비는 다른 교란 요인을 조정한 후 특정 노출 특성(예: 상극에 위치한 종양)을 가진 환자가 기준 그룹(예: 하극에 위치한 종양)의 환자에 비해 림프절 전이를 얼마나 더 많이 가질 가능성이 있는지를 반영하도록 계산됩니다.
|
대상자 등록 완료 후 2개월 이내
|
|
모델 예측 pTNM 병기와 병리학적 병기 간 일치도에 대한 가중 카파 계수
기간: 대상자 등록 완료 후 2개월 이내
|
연구자들은 모델이 예측한 pTNM 병기와 환자의 실제 pTNM 병기를 수집하고 기록하여 모델이 예측한 완전한 pTNM 병기와 병리학적 병기 간의 일관성을 평가해야 합니다.
|
대상자 등록 완료 후 2개월 이내
|
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)
2026년 1월 1일
기본 완료 (추정된)
2026년 3월 1일
연구 완료 (추정된)
2026년 5월 1일
연구 등록 날짜
최초 제출
2025년 12월 9일
QC 기준을 충족하는 최초 제출
2025년 12월 22일
처음 게시됨 (실제)
2025년 12월 23일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2025년 12월 23일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 12월 22일
마지막으로 확인됨
2025년 12월 1일
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. .