소아 신경모세포종 스펙트럼을 위한 지능형 초음파 진단 시스템의 구축 및 검증
소아 신경모세포종 범위에 대한 지능형 초음파 진단 시스템의 구축 및 검증: 다기관 연구
이 관찰 연구의 목표는 병리학적 유형화, 위험도 계층화 및 예후 평가를 통합한 지능형 초음파 진단 시스템을 구축하는 것입니다. 주요 질문은 다음과 같습니다:
- 소아 신경모세포종(NTs)의 초음파 이미지에 기반한 예측 모델이 각 병리학적 아형을 구별할 수 있는가?
- 임상 및 병리학적 특징을 기반으로 확립된 다중 모드 융합 모델이 고위험 환자를 식별하고, 골수 전이를 예측하며, 치료 효과를 평가할 수 있는가?
- 이 초음파 진단 시스템이 NTs 환자에 대한 체계적이고 지능적인 평가를 수행하여 임상 위험도 계층화 및 개인화된 치료 결정을 지원할 수 있는가?
연구 개요
상태
정황
상세 설명
신경모세포종(NT)은 소아에서 가장 흔한 두개외 고형 종양이며, 대부분의 환자는 가장 악성도가 높고 예후가 나쁜 신경모세포종(NB)으로 진단됩니다. 이러한 증례는 임상 진단 및 관리에 상당한 어려움을 초래하며, 종종 불량한 전체 결과로 이어집니다. 조직병리학적 검사는 여전히 확정 진단 및 분류의 표준 방법입니다. 그러나 이 방법은 침습적이며 합병증 위험이 있고, 진단 정확도는 시술자의 경험과 생검 위치에 따라 달라집니다. 의료 영상은 비침습적 종양 평가를 가능하게 하지만, 주로 의사의 주관적인 시각적 해석에 의존하므로 NT 아형을 구별하는 데 정확도와 재현성이 제한적입니다.
라디오믹스는 인공지능 기반의 새로운 영상 분석 접근법으로, 자동화된 알고리즘을 통해 영상 특징의 고처리량 추출, 분석 및 정량화를 가능하게 하여 방대한 양의 시각적 이하 정보를 발견합니다. 이는 종양의 감별 진단, 치료 평가 및 결과 예측에 상당한 가능성을 보여주고 있습니다. 신경모세포종에 대한 현재 라디오믹스 연구는 아직 초기 단계에 있으며, 대부분의 연구는 컴퓨터 단층촬영, 자기공명영상 및 PET-CT와 같은 양식을 대상으로 하고, 초음파 기반 라디오믹스 연구는 아직 탐구되지 않았습니다.
초음파 검사는 전리 방사선이 없고, 실시간 동적 영상, 조작 편의성 및 저렴한 비용 등의 독특한 장점 덕분에 소아 종양 선별 및 추적 검사에 선호되는 영상 방식입니다. 따라서 라디오믹스와 초음파 검사를 통합하여 NT를 비침습적이고 정확하게 평가할 수 있는 지능형 진단 시스템을 개발하는 것은 임상적 가치와 전환 가능성이 큽니다. 이러한 시스템은 정밀한 수술 전 분류, 환자 위험 계층화 및 임상 의사 결정 지원을 용이하게 할 것입니다.
이 연구는 초음파 라디오믹스 특징에 기반한 소아 신경모세포종을 위한 지능형 초음파 진단 시스템을 구축하고 검증하는 것을 목표로 하며, 구체적으로 다음과 같습니다:
- 초음파 영상 기반 소아 신경모세포종(NT) 예측 모델을 구축하여 신경모세포종, 신경절신경모세포종(GNB) 및 신경절신경종(GN)의 자동 감별 진단을 달성합니다.
- 병리학적 분류를 기반으로 임상 병리적 특징을 통합하여 다중 모드 융합 모델을 구축합니다. 중점은 고위험 환자 식별, 골수 전이 예측 및 치료 결과 추정에 있으며, 임상 의사 결정에 참조 기준을 제공합니다.
- 이전 연구 결과를 통합하여 병리학적 분류, 위험 계층화 및 예후 평가를 통합한 포괄적인 지능형 초음파 진단 시스템을 구축하여 NT 환자의 체계적이고 지능적인 평가를 달성하고 임상 위험 계층화 및 개인 맞춤형 치료 결정을 지원합니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 장소
-
-
Anhui
-
Hefei, Anhui, 중국, 230041
- Anhui Provincial Children's Hospital
-
-
Jiangsu
-
Suzhou, Jiangsu, 중국, 215008
- The Children's Hospital Affiliated to Soochow University
-
-
Yunnan
-
Kunming, Yunnan, 중국, 650100
- Kunming Children's Hospital
-
-
Zhejiang
-
Hangzhou, Zhejiang, 중국, 310000
- Zhejiang Cancer Hospital
-
Hangzhou, Zhejiang, 중국, 310000
- The Children's Hospital of Zhejiang University School of Medicine
-
Wenling, Zhejiang, 중국, 317500
- Wenling Institute of Medical Big Data and Artificial Intelligence
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 수술적 절제 또는 생검을 통한 조직병리학적 검사로 신경모세포종(NTs) 진단이 확인되었으며, INPC 기준에 따라 NB, GNB 또는 GN으로 유형이 분류된 경우
- 18세 이하, 성별 제한 없음.
- 완전한 복부(또는 원발 부위) 초음파 영상이 원본 DICOM 또는 JPG 형식으로 보관되어 있으며, 화질이 분석 요구 사항을 충족하는 경우
- 연구 목적에 관련된 완전한 임상 및 병리 데이터를 이용할 수 있는 경우
제외 기준:
- 환자가 이전에 다른 병원에서 수술적 절제 치료를 받았지만, 수술 후 종양이 재발하거나 잔류한 경우
- 초음파 영상의 품질이 낮은 경우: 종양 윤곽 식별 또는 특징 추출에 심각한 영향을 미치는 인공물, 영상 흐림, 병변 불완전 표시 등
- 심각한 데이터 부족: 주요 임상 병리 데이터 또는 영상 데이터가 누락되어 필요한 정보 추출 및 분석이 불가능한 경우
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
training set
浙江大学医学院附属儿童医院的数据集计划按照7:3的比例随机分为训练集和内部验证集。
|
|
내부 검증 세트
浙江大学医学院附属儿童医院的数据集计划按7：3的比例随机分为训练集和内部验证集。
|
|
independent external validation set
来自苏州大学附属儿童医院、昆明市儿童医院和安徽省儿童医院的数据被合并为一个独立的外部验证集。
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
F1 점수
기간: 모델 훈련 완료 후 1주일 이내에, 내부 검증 세트와 독립 외부 검증 세트에 대해 각각 계산이 수행됩니다.
|
F1 점수 = 2 * (정밀도 * 재현율) / (정밀도 + 재현율)
|
모델 훈련 완료 후 1주일 이내에, 내부 검증 세트와 독립 외부 검증 세트에 대해 각각 계산이 수행됩니다.
|
|
정확도
기간: 모델 훈련이 완료된 후 1주일 이내에 내부 검증 세트와 독립적인 외부 검증 세트에서 각각 성능 테스트가 수행됩니다.
|
다중 클래스 ROC 곡선을 그리고, ROC 곡선을 기반으로 계산하십시오.
|
모델 훈련이 완료된 후 1주일 이내에 내부 검증 세트와 독립적인 외부 검증 세트에서 각각 성능 테스트가 수행됩니다.
|
|
특이성
기간: 모델 훈련이 완료된 후 1주일 이내에, 내부 검증 세트와 독립적인 외부 검증 세트에 대해 각각 계산이 수행됩니다.
|
특이도 = (진음성 사례 / (진음성 사례 + 위양성 사례)) * 100%
|
모델 훈련이 완료된 후 1주일 이내에, 내부 검증 세트와 독립적인 외부 검증 세트에 대해 각각 계산이 수행됩니다.
|
|
민감도
기간: 모델 훈련이 완료된 후 1주일 이내에, 내부 검증 세트와 독립적인 외부 검증 세트에 대해 각각 계산이 수행된다.
|
민감도 = (참양성 / (참양성 + 위음성))*100%
|
모델 훈련이 완료된 후 1주일 이내에, 내부 검증 세트와 독립적인 외부 검증 세트에 대해 각각 계산이 수행된다.
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
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 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. .