Kunstmatige intelligentie gebruiken om de gevolgen van rectale kanker te voorspellen
9 februari 2023 bijgewerkt door: Taichung Veterans General Hospital
CNN-beeldherkenning gebruiken om de uitkomst van endeldarmkanker te voorspellen
Onderzoeker retrospectief verzamelde gevallen in 2010-2021 gediagnosticeerd als rectaal adenocarcinoom met CT-beelden van hoge kwaliteit. Lokale gevallen van gevorderde endeldarmkanker werden bestempeld als "ziekte". Evenmin werden gedefinieerd "normaal".
Gebruik van kunstmatige intelligentie CNN op jupyter-notebook met open phyton-code om modellen te trainen en te ontwikkelen die in staat zijn lokale geavanceerde endeldarmkanker te herkennen. Pas de phyton-code aan voor een betere voorspellingssnelheid en help de arts om snel de ernst van de ziekte te evalueren voor nieuwe gevallen van rectumkanker.
Studie Overzicht
Toestand
Voltooid
Conditie
Gedetailleerde beschrijving
Van 1-10-2010 tot 31-12-2021 werden rectumkankerpatiënten met cT3-4-laesie opgenomen.
Verzamel CT-beelden van hoge kwaliteit met DICOM-bestanden in het tumorsegment.
cT1-2, lage rectale laesies, niet-CRC-gevallen waren niet inbegrepen.
Niet-contrastbeelden en afbeeldingen met kunstmatige defecten werden ook uitgesloten.
CT-beelden werden bestempeld als "ziek" wanneer CRM werd bedreigd (<2 mm).
Alle afbeeldingen werden gelabeld volgens het oordeel van 2 specialisten.
De gegevens werden gescheiden in 2 delen.
Een voor training en testen van AI-modellen, een andere voor externe validatie.
De dataset voor het testen van trainingen is tot stand gekomen door een neuraal netwerk diep te leren en de prestaties van de modelnauwkeurigheid te evalueren.
Vervolgens werd het model toegepast in een externe validatiedataset voor real-world testen, waarbij de samenhang tussen AI en de Dr.-beslissing werd geëvalueerd.
Bovendien, om de overlevingsresultaten van kanker te zien volgens de voorspellingsresultaten van het AI-model.
Studietype
Observationeel
Inschrijving (Werkelijk)
720
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
-
-
-
Taichung, Taiwan
- Taichung Verterans General Hospital
-
-
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
20 jaar tot 100 jaar (VOLWASSEN, OUDER_ADULT)
Accepteert gezonde vrijwilligers
Nee
Geslachten die in aanmerking komen voor studie
Allemaal
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Rectale kanker gediagnosticeerd tijdens 2010.10.1-2022.7.31.
klinische T3-4 laesie.
met CT-beelden van hoge kwaliteit met contrast.
Beschrijving
Inclusiecriteria:
- klinische stadiëring T3-4 met CT-beelden van hoge kwaliteit.
Uitsluitingscriteria:
- 1. geen primaire maligniteitslaesie
- 2. het rectum niet lokaliseren
- 3. T1-2 laesie
- 4. afbeeldingen zonder contrast of slechte kwaliteit
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 |
|---|---|
|
afbeeldingen van rectale kankerlaesies voor training
Afbeeldingen van laesies van endeldarmkanker.
Afbeeldingen met een bedreigde (<2 mm) omtreksmarge van rectumkanker werden bestempeld als "ziek".
Anders werden afbeeldingen als "normaal" bestempeld.
Deze materialen gebruiken als trainingsmateriaal voor het opbouwen van AI-deep learning-modellen.
|
Gelabelde afbeeldingen gebruiken als trainingsmateriaal voor kunstmatige intelligentie om een objectdetectiemodel te ontwikkelen.
|
|
afbeeldingen van rectale kankerlaesies voor testen.
De opbouw van AI-deep learning-modellen uit het trainingscohort gebruiken.
Evalueren van het voorspellingspercentage van het model en de overlevingsresultaten van de analyse.
|
De externe validatieset gebruiken om het voorspellingspercentage en overlevingsresultaat te evalueren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
nauwkeurigheid van kunstmatige intelligentie met ervaren arts
Tijdsspanne: 1 week nadat de foto's zijn gemaakt.
|
nauwkeurigheid tussen kunstmatige intelligentie en ervaren arts
|
1 week nadat de foto's zijn gemaakt.
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
real life overlevingsresultaat van diagnose door kunstmatige intelligentie.
Tijdsspanne: 5 jaar na diagnose
|
overlevingsresultaat in het echte leven door kunstmatige intelligentie.
|
5 jaar na diagnose
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Onderzoekers
- Hoofdonderzoeker: ChunuYu Lin, M.D., Taichung Veterans General Hospital
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 oktober 2010
Primaire voltooiing (WERKELIJK)
31 juli 2022
Studie voltooiing (WERKELIJK)
31 december 2022
Studieregistratiedata
Eerst ingediend
5 januari 2023
Eerst ingediend dat voldeed aan de QC-criteria
9 februari 2023
Eerst geplaatst (WERKELIJK)
13 februari 2023
Updates van studierecords
Laatste update geplaatst (WERKELIJK)
13 februari 2023
Laatste update ingediend die voldeed aan QC-criteria
9 februari 2023
Laatst geverifieerd
1 februari 2023
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- CE21235B
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 .