Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Classificatie van goedaardige en kwaadaardige longknobbeltjes op basis van CT-ruwe gegevens

29 juni 2022 bijgewerkt door: Di Dong, Chinese Academy of Sciences

Vergelijking en analyse van voorspellende prestaties van CT en onbewerkte gegevens in goedaardige en kwaadaardige classificatie van longknobbeltjes

Het gebruik van medische beelden in combinatie met diepe neurale netwerken om te helpen bij klinische diagnose, therapeutisch effect en prognosevoorspelling is tegenwoordig een hotspot. Alle bestaande methoden zijn echter ontworpen op basis van de gereconstrueerde medische beelden in plaats van de lossless ruwe gegevens. Aangezien medische beelden eerder bedoeld zijn voor het menselijk oog dan voor de AI, proberen we onbewerkte gegevens te gebruiken om de maligniteit van longknobbeltjes te voorspellen en vergelijken we de voorspellende prestaties met CT. Experimenten zullen de haalbaarheid van diagnose door onbewerkte CT-gegevens bewijzen. Wij zijn van mening dat de voorgestelde methode veelbelovend is om de huidige pijplijn voor medische diagnoses te veranderen, aangezien het de potentie heeft om de radiologen te bevrijden.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Het routinematig gebruikte diagnostische schema van kankers volgt het proces van signaal-naar-beeld-naar-diagnose. Het is essentieel om de zichtbare beelden van het signaal van een medisch apparaat te reconstrueren, zodat de menselijke arts een diagnose kan stellen. De enorme hoeveelheid informatie in het signaal wordt echter niet optimaal ontgonnen, wat de huidige onbevredigende prestaties van beeldgebaseerde diagnose veroorzaakt.

In deze klinische proef zullen we een op AI gebaseerd diagnostisch schema voor longknobbels ontwikkelen, rechtstreeks van het signaal (onbewerkte gegevens) tot de diagnose, waarbij de reconstructiestap wordt overgeslagen. In deze studie zullen we ons concentreren op het onderscheiden van kwaadaardige van goedaardige longknobbels. We zullen een dataset verzamelen van patiënten bij wie longknobbels zijn uitgescreend. Alle patiënten ondergaan een preoperatieve CT-scan (onbewerkte gegevens en CT-beelden beschikbaar) en hebben een pathologisch bevestigd resultaat van de knobbeltjes. We zullen een model bouwen met alleen onbewerkte gegevens voor de diagnose van de longknobbeltjes. Bovendien zal ter vergelijking een ander model van CT-beeld worden gebouwd.

Verder zullen we deze patiënten opvolgen en een model bouwen op basis van ruwe CT-gegevens voor prognoseanalyse van longkanker.

Studietype

Observationeel

Inschrijving (Werkelijk)

626

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • China
    • Jilin
      • Changchun, Jilin, China, 130021
        • The First Hospital of Ji Lin University

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

18 jaar en ouder (VOLWASSEN, OUDER_ADULT)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Patiënten bij wie longknobbeltjes worden uitgescreend door middel van CT, zullen in deze studie worden opgenomen. De gouden standaard is de pathologisch bevestigde maligniteit van de knobbel.

Beschrijving

Inclusiecriteria:

  1. Patiënten bij wie de longknobbel is uitgescreend.
  2. De CT-gegevens en bijbehorende ruwe CT-gegevens zijn beschikbaar vóór de operatie.
  3. Definitieve pathologiediagnose van de maligniteit van de knobbel is beschikbaar.

Uitsluitingscriteria:

  1. Voorgeschiedenis van longmaligniteiten.
  2. Artefacten op CT-beelden die de observatie van de laesie ernstig verslechteren.
  3. Het tijdsinterval tussen CT-scan en pathologiediagnose is meer dan 4 weken.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Het eerste ziekenhuis van Ji Lin University
CT-gegevens en bijbehorende ruwe CT-gegevens van patiënten met longknobbels zullen worden verzameld.
Ander: Geen tussenkomsten
Geen tussenkomsten

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gebied onder de bedrijfskarakteristiek van de ontvanger (ROC)
Tijdsspanne: 8 maanden
Area under curve (AUC) van onbewerkte gegevens bij het onderscheiden van kwaadaardige knobbeltjes van goedaardige knobbeltjes.
8 maanden
Ziektevrij overleven
Tijdsspanne: 5 jaar
De associatie tussen onbewerkte gegevens en ziektevrije overleving (DFS), gedefinieerd als de tijd vanaf het begin van de diagnose van longkanker tot het bevestigde tijdstip van recidief of metastatische ziekte of overlijden.
5 jaar
Algehele overleving
Tijdsspanne: 5 jaar
De associatie tussen onbewerkte gegevens en totale overleving (OS), gedefinieerd als de tijd vanaf het begin van de diagnose van longkanker tot het overlijden door welke oorzaak dan ook.
5 jaar

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Chinese Academy of Sciences

Medewerkers

The First Hospital of Jilin University
Neusoft Medical Systems Co., Ltd.

Onderzoekers

  • Studie directeur: Yali Zang, Ph.D., Institute of Automation, Chinese Academy of Sciences

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

Nuttige links

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (WERKELIJK)

15 april 2019

Primaire voltooiing (WERKELIJK)

30 juni 2022

Studie voltooiing (WERKELIJK)

30 juni 2022

Studieregistratiedata

Eerst ingediend

23 januari 2020

Eerst ingediend dat voldeed aan de QC-criteria

23 januari 2020

Eerst geplaatst (WERKELIJK)

27 januari 2020

Updates van studierecords

Laatste update geplaatst (WERKELIJK)

30 juni 2022

Laatste update ingediend die voldeed aan QC-criteria

29 juni 2022

Laatst geverifieerd

1 juni 2022

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • CASMI001

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren