GIST 관리를 위한 다중 모드 AI 시스템 개발
CT 방사선체적학, 병리체적학 및 임상 특징을 통합한 다중모드 인공지능 모델의 개발 및 검증: 위장관 간질종양의 진단, 위험도 분류 및 유전자형 예측
배경: 위장관 간질종양(GISTs)은 위장관에서 가장 흔한 중간엽 종양입니다. 정확한 수술 전 진단, 위험도 분류 및 유전자형 분석은 적절한 수술 접근법과 표적 치료(예: 이마티닙)를 결정하는 데 중요합니다. 그러나 현재 방법들은 종종 침습적인 수술 후 병리학 검사와 비싼 유전자 검사에 의존합니다.
연구 목적: 본 연구의 목적은 GIST 관리의 정밀도를 향상시키기 위해 임상 데이터, CT 방사체학(영상 특징) 및 병리체학(디지털 병리학 특징)을 통합하는 다중 모드 인공지능(AI) 모델을 개발하고 검증하는 것입니다.
연구 설계: 이는 전향적 관찰 연구입니다. 연구자들은 허베이 의과대학 제4병원에서 수술이나 생검을 예정한 위 점막하 종양이 의심되는 환자들을 모집할 것입니다.
핵심 과제: AI 모델은 세 가지 특정 과제를 수행하도록 훈련될 것입니다:
진단: GIST를 다른 비-GIST 중간엽 종양(예: 평활근종, 신경초종)과 구별합니다.
위험 평가: GIST를 위험 범주(예: 저위험 대 고위험)로 분류하여 악성 가능성을 예측합니다.
유전자형 분석: 특정 유전자 돌연변이(예: KIT 또는 PDGFRA 돌연변이)를 예측하여 면역요법이나 표적 치료를 안내합니다.
방법론: 환자 데이터(CT 스캔, 병리 슬라이드 및 임상력)는 AI 시스템에 의해 수집되고 분석될 것입니다. AI의 예측은 수술 후 병리학적 검사와 차세대 염기서열 분석(NGS)에서 도출된 "골드 스탠다드" 결과와 비교될 것입니다. 이 연구는 비개입적입니다; AI 결과는 환자들이 받는 표준 치료에 영향을 미치지 않을 것입니다.
연구 개요
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
Anhui
-
Fuyang, Anhui, 중국, 236003
- The Fifth Affiliated Hospital of Anhui Medical University
-
-
Hebei
-
Baoding, Hebei, 중국, 071030
- Baoding Central Hospital
-
Cangzhou, Hebei, 중국, 061000
- Cangzhou People's Hospital
-
Hengshui, Hebei, 중국, 053099
- Hengshui People's Hospital
-
Shijiazhuang, Hebei, 중국, 050011
- Shijiazhuang People's Hospital
-
Xingtai, Hebei, 중국, 054000
- The Second Affiliated Hospital of Xingtai Medical College
-
-
Hubei
-
Wuhan, Hubei, 중국, 430065
- Renmin Hospital of Wuhan University
-
-
Hunan
-
Hengyang, Hunan, 중국, 421001
- The First Affiliated Hospital of University of South China
-
-
Jiangsu
-
Nanjing, Jiangsu, 중국, 210002
- Jinling Hospital
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
연령 ≥ 18세, 성별 제한 없음.
위내시경 또는 초음파 검사 결과 위점막하종양(SMT) 또는 위장관기질종양(GIST)이 의심되는 임상 진단.
연구 센터에서 외과적 절제술 또는 내시경 생검 예정.
수술 전 2주 이내에 촬영한 표준 조영증강 CT 영상이 확보 가능.
환자 또는 법정 대리인이 동의서에 서명.
제외 기준:
수술/생검 전에 신보조 요법(예: 이마티닙, 화학요법 또는 방사선 치료)을 받은 경우.
방사선학적 분석에 영향을 미치는 CT 영상 품질 불량(예: 심한 움직임 인공물).
병리학적 진단 또는 유전자 검사에 필요한 조직 샘플 부족.
다른 원발성 악성 종양이 확인된 경우.
임상 데이터 불완전 또는 수술 직후 추적 관찰 불가능.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
GIST와 비GIST 종양을 구별하는 AI 모델의 진단 정확도
기간: 수술 후 최대 30일
|
진단 정확도는 다중모드 AI 모델에 의해 올바르게 분류된 환자(GIST 대 비-GIST)의 비율로, 이를 기준으로 삼는 수술 후 병리학적 진단과 비교하여 계산됩니다.
|
수술 후 최대 30일
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI 예측 위험 등급과 병리학적 수정 NIH 기준 간의 일치율
기간: 수술 후 최대 30일
|
AI 모델이 예측한 위험 범주(매우 낮음/낮음 vs. 중간/높음)가 수술 후 병리 결과에 따라 수정된 National Institutes of Health(NIH) 기준에 따라 결정된 실제 위험 등급과 일치하는 환자의 비율입니다.
이것은 백분율(0-100%)로 보고됩니다. |
수술 후 최대 30일
|
|
AI 모델의 KIT/PDGFRA 유전자 변이 예측 민감도와 특이도
기간: 수술 후 최대 30일
|
AI 모델이 차세대 염기서열 분석(NGS) 결과와 비교하여 특정 돌연변이(예: KIT 엑손 11, PDGFRA)를 식별하는 성능.
데이터는 95% 신뢰 구간을 포함한 백분율로 보고됩니다.
|
수술 후 최대 30일
|
|
모든 작업에 대한 수신자 조작 특성 곡선 아래 면적(AUC)
기간: 수술 후 최대 30일
|
AUC 값은 진단, 위험 계층화, 유전자형 예측에서 AI 모델의 전반적인 성능을 평가하기 위해 계산됩니다.
민감도와 특이도 또한 보고될 것입니다.
|
수술 후 최대 30일
|
공동 작업자 및 조사자
스폰서
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- GIST-DX-RISK-GEN-01
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
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. .