대장암에서 AI 기반 간 전이 예측 (후향적 연구)
2026년 2월 9일 업데이트: Wan-Guang Zhang, Tongji Hospital
근치적 절제술을 받은 대장암 환자에서 이시성 간전이를 예측하기 위한 다중양식 딥러닝 모델 개발 및 검증을 위한 다기관 후향적 관찰 연구
이 다기관 후향적 연구는 근치적 절제술을 받은 I-III기 대장암 환자에서 이시성 간 전이 위험을 예측하기 위한 다중모드 딥러닝 모델을 개발하고 검증하는 것을 목표로 합니다. 이 모델은 수술 전 조영증강 CT 영상, 디지털화된 조직병리학적 전체 슬라이드 이미지, 그리고 표준 임상-병리학적 데이터를 통합할 것입니다.
주요 목표는 수신자 조작 특성 곡선 아래 면적(AUC)으로 측정된 모델의 판별 성능을 평가하고, TNM 병기 및 혈청 암배아항원 수치와 같은 기존 예후 인자와의 예측 정확도를 비교하는 것입니다. 이 연구는 기존 보관 데이터를 활용하며, 직접적인 환자 접촉이나 중재는 포함되지 않습니다. 궁극적인 목표는 향상된 위험 계층화를 위한 강력한 데이터 기반 도구를 제공하여, 향후 맞춤형 감시 전략과 보조 치료 결정을 안내할 수 있는 가능성을 열어주는 것입니다.
연구 개요
연구 유형
관찰
등록 (추정된)
1500
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Yang WU, M.D.
- 전화번호: 13636076910
- 이메일: 255001907@qq.com
연구 장소
-
-
Hubei
-
Wuhan, Hubei, 중국
- 모병
- Tongji Hospital
-
연락하다:
- Yang WU, M.D.
- 전화번호: 13636076910
- 이메일: 255001907@qq.com
-
-
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
2015년부터 2025년 사이에 참여 의료기관에서 근치적 절제술을 받은 1-3기 원발성 대장암 성인 환자(18-75세)로서, 후향적 분석을 위해 완전한 수술 전 영상, 수술 후 병리 데이터 및 추적 기록이 이용 가능한 경우.
설명
포함 기준:
- 18-75세, 성별 무관.
- 조직학적으로 확인된 원발성 결장 또는 직장 선암.
- 대장암에 대해 근치적 근절제술(R0 절제)을 시행 받음.
- 수술 전 1개월 이내에 시행한 조영증강 복부/골반 CT 촬영을 시행하였으며, 허용 가능한 화질을 가짐.
- 수술 전 또는 수술 중 탐색에서 원격 전이(동기성 간 전이 포함)의 증거 없음.
제외 기준:
- 기타 악성 종양의 병력.
- 간 수술 또는 간 이식의 과거 병력.
- 연구에 필요한 임상, 영상 또는 병리학적 데이터의 누락.
- 수술 주기 내 사망(수술 후 30일 이내).
- 정기적인 추적 정보의 부재.
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 |
|---|---|
|
대장암 절제 코호트
성인 환자(18-75세) 중 1-3기 원발성 대장직장선암으로 완전(R0) 절제술을 받은 환자를 대상으로 한 후향적 코호트 연구입니다.
이 코호트는 이시성 간전이 위험을 예측하기 위한 다중모달 딥러닝 모델을 개발 및 검증하기 위해 정의되었습니다.
수술 전 조영증강 CT 스캔, 수술 후 디지털화된 병리 슬라이드 및 임상 기록을 포함한 모든 데이터는 일상적인 임상 실무에서 후향적으로 수집되었습니다.
이 연구의 일환으로 어떠한 중재도 시행되지 않았습니다.
|
이것은 비중재적 연구입니다.
주요 연구 절차는 이차성 간 전이 위험을 예측하기 위해 기존 임상 데이터(조영증강 CT 영상, 디지털화된 병리 슬라이드, 구조화된 임상 변수)를 후향적으로 분석하기 위한 다중 모드 딥러닝 모델의 적용입니다.
이 연구 프로토콜의 일환으로 참가자에게 치료적 또는 진단적 중재는 시행되지 않습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
수신자 조작 특성 곡선 아래 면적 (AUC)
기간: 최대 3년
|
다중모드 딥러닝 모델의 3년 후 이시성 간전이 위험 예측을 위한 판별 성능.
이 모델은 수술 전 조영증강 CT 영상, 디지털화된 전체 슬라이드 병리 영상 및 임상 데이터를 통합합니다.
AUC는 독립적으로 보류된 테스트 세트에서 계산됩니다.
평가는 근치적 수술일(기준선)부터 영상으로 확인된 첫 번째 간전이 발생일 또는 마지막 추적 관찰일까지 수집된 데이터를 기반으로 합니다.
|
최대 3년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
위험군별 간 전이 무발생 생존율 (LMFS)
기간: 최대 3년
|
다중모달 모델로 분류된 고위험군과 저위험군 간의 무간전이 생존율 차이.
LMFS는 수술 후 첫 간전이 방사선학적 진단까지의 기간으로 정의됩니다.
수술일부터 첫 문서화된 간전이 또는 마지막 추적 관찰일까지.
|
최대 3년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
스폰서
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)
2015년 1월 1일
기본 완료 (실제)
2026년 1월 30일
연구 완료 (추정된)
2026년 1월 30일
연구 등록 날짜
최초 제출
2026년 1월 30일
QC 기준을 충족하는 최초 제출
2026년 2월 9일
처음 게시됨 (실제)
2026년 2월 10일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 2월 10일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 2월 9일
마지막으로 확인됨
2026년 1월 1일
추가 정보
이 연구와 관련된 용어
키워드
기타 연구 ID 번호
- TJ-IRB202512239
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
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. .