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

De toepassingswaarde van kunstmatige intelligentie bij MRI-precisiediagnose en behandeling van blaaskanker

Prospectief multicenter klinisch onderzoek naar de toepassingswaarde van kunstmatige intelligentie bij MRI-precisiediagnose en -behandeling van blaaskanker

Deze studie was een prospectieve, multicenter observationele klinische studie. In totaal zouden 150 patiënten met een kwaadaardige blaastumor die voor behandeling op de urologieafdeling van elk centrum waren opgenomen en elektrische resectie of radicale cystectomie ondergingen, worden opgenomen. Om de sensitiviteit, specificiteit en nauwkeurigheid van kunstmatige intelligentie bij het voorspellen van postoperatieve pathologische stadiëring te analyseren, werden patiënten die in de groep kwamen gedurende 3 jaar gevolgd, daarna analyseerden we de correlatie tussen de voorspellingsresultaten van kunstmatige intelligentie en OS PFS RFS van de patiënt. Voorlopig werd geverifieerd dat de resultaten van het kunstmatige-intelligentiemodel het potentieel hebben om de prognose van patiënten met blaaskanker te voorspellen.

Studie Overzicht

Toestand

Werving

Conditie

Gedetailleerde beschrijving

Vooronderzoek: dit onderzoek is een multidisciplinair gezamenlijk onderzoek door kunstmatige intelligentie te combineren met magnetische resonantie. Het kan de preoperatieve bepaling van het stadium van blaaskanker nauwkeuriger maken en het behandelplan van de clinicus begeleiden. Op dit moment is er een kunstmatige-intelligentiemodel geconstrueerd op basis van preoperatieve magnetische resonantiebeelden om stadiëring en patiëntprognose te voorspellen. We hebben een staging-voorspellingsmodel gebouwd via een deep learning-kunstmatig-intelligentienetwerk en verzamelden magnetische resonantiebeeldgegevens en gerelateerde postoperatieve pathologische gegevens van patiënten. Daarna volgden we 576 patiënten op basis van staging-modelconstructie. Door OS, PFS en RFS van patiënten te verkrijgen, werd een deel willekeurig geselecteerd als trainingsset voor het trainen van het deep learning-netwerkmodel. Het andere deel wordt gebruikt als testset om de juistheid ervan te verifiëren. Deze studie was een prospectieve, multicenter observationele klinische studie. In totaal zouden 150 patiënten met een kwaadaardige blaastumor die voor behandeling op de urologieafdeling van elk centrum waren opgenomen en elektrische resectie of radicale cystectomie ondergingen, worden opgenomen. Om de sensitiviteit, specificiteit en nauwkeurigheid van kunstmatige intelligentie bij het voorspellen van postoperatieve pathologische stadiëring te analyseren, werden patiënten die in de groep kwamen gedurende 3 jaar gevolgd, daarna analyseerden we de correlatie tussen de voorspellingsresultaten van kunstmatige intelligentie en OS PFS RFS van de patiënt. Voorlopig werd geverifieerd dat de resultaten van het kunstmatige-intelligentiemodel het potentieel hebben om de prognose van patiënten met blaaskanker te voorspellen.

Studietype

Observationeel

Inschrijving (Verwacht)

150

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

    • Jiangsu
      • Nanjing, Jiangsu, China, 210000
        • Werving
        • the First Affiliated Hospital of Nanjing Medical University
        • Contact:

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

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patiënten krijgen in elk studiecentrum een ​​MRI en ondergaan de operatie.

Beschrijving

Inclusiecriteria:

  1. Preoperatief onderzoek geeft aan dat de patiënt blaaskanker heeft;
  2. Er is geen limiet op het geslacht;
  3. De leeftijd van 18 jaar of ouder;
  4. Kan preoperatieve MRI-beelden leveren;
  5. Akkoord gaan met het verstrekken van persoonlijke klinische basisinformatie en pathologische en beeldvormingsgegevens voor wetenschappelijk onderzoek, en geïnformeerde toestemming ondertekenen;
  6. Ga ermee akkoord om monitoringresultaten te verstrekken tijdens follow-up monitoring voor herhaling.

Uitsluitingscriteria:

  1. Patiënt was niet in staat preoperatieve MRI-beelden te leveren, inclusief MRI-beelden na neoadjuvante therapie en vóór de operatie;
  2. Patiënten met onvolledige pathologische informatie van monsters waren niet in staat om nauwkeurige stadiërings- en beoordelingsinformatie te verstrekken;
  3. Patiënten kunnen om hun eigen redenen niet worden geopereerd: ernstig hartfalen, acuut myocardinfarct, ernstige hart- en longaandoeningen, enz., ze kunnen de normale chirurgische behandeling niet verdragen;
  4. Patiënten die onlangs een operatie hebben ondergaan (bijv. TURBT) voorafgaand aan MRI-onderzoek;
  5. De onderzoeker denkt dat er omstandigheden zijn die de proefpersoon kunnen schaden of ertoe kunnen leiden dat de proefpersoon niet aan de studievereisten voldoet of deze niet uitvoert;
  6. Patiënten die geen schriftelijke geïnformeerde toestemming kunnen geven.

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

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
De toepassingswaarde van kunstmatige intelligentie onderzoeken bij de precieze diagnose en behandeling van blaastumor, en de nauwkeurigheid van de MRI-diagnose van het stadium en de graad van blaaskanker verbeteren door middel van kunstmatige intelligentie.
Tijdsspanne: 1 jaar
2 、 Door concordantieanalyse van testresultaten van kunstmatige intelligentiediagnose met gouden standaardresultaten van chirurgie, de gevoeligheid, specificiteit, positief voorspellende waarde (PPV), negatief voorspellende waarde (NPV) van kunstmatige intelligentiediagnose vóór de operatie.
1 jaar

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Algemeen overleven
Tijdsspanne: 3 jaar na de operatie
De correlatie tussen het kunstmatige-intelligentiemodel en OS bij blaaskankerpatiënten werd geanalyseerd om voorlopig het potentiële vermogen van de resultaten van het kunstmatige-intelligentiemodel bij het voorspellen van de prognose van blaaskankerpatiënten te verifiëren.
3 jaar na de operatie

Andere uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
herhalingsvrije overleving
Tijdsspanne: 3 jaar na de operatie
De correlatie tussen het kunstmatige-intelligentiemodel en RFS bij blaaskankerpatiënten werd geanalyseerd om voorlopig het potentiële vermogen van de resultaten van het kunstmatige-intelligentiemodel bij het voorspellen van de prognose van blaaskankerpatiënten te verifiëren.
3 jaar na de operatie
progressievrije overleving
Tijdsspanne: 3 jaar na de operatie
De correlatie tussen het kunstmatige-intelligentiemodel en PFS bij blaaskankerpatiënten werd geanalyseerd om voorlopig het potentiële vermogen van de resultaten van het kunstmatige-intelligentiemodel bij het voorspellen van de prognose van blaaskankerpatiënten te verifiëren.
3 jaar na de operatie

Medewerkers en onderzoekers

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

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.

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)

1 januari 2021

Primaire voltooiing (Verwacht)

1 mei 2022

Studie voltooiing (Verwacht)

1 januari 2023

Studieregistratiedata

Eerst ingediend

7 oktober 2021

Eerst ingediend dat voldeed aan de QC-criteria

19 oktober 2021

Eerst geplaatst (Werkelijk)

27 oktober 2021

Updates van studierecords

Laatste update geplaatst (Werkelijk)

27 oktober 2021

Laatste update ingediend die voldeed aan QC-criteria

19 oktober 2021

Laatst geverifieerd

1 oktober 2021

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

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

NEE

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 .

Klinische onderzoeken op Blaaskanker

3
Abonneren