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

AI-ondersteund systeem voor nauwkeurige diagnose en prognose van Phyllodes-borsttumoren

22 februari 2024 bijgewerkt door: nieyan, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Ontwikkeling van een op kunstmatige intelligentie gebaseerd systeem voor nauwkeurige diagnose en prognose van borstphyllodes-tumoren

Borstphyllodes-tumor (PT) is een zeldzame fibro-epitheliale tumor, verantwoordelijk voor 1% tot 3% van alle borsttumoren, door de WHO gecategoriseerd in goedaardig, borderline en kwaadaardig, gebaseerd op histopathologische kenmerken zoals tumorgrens, stromale cellulairheid, stromale atypie , mitotische activiteit en stromale overgroei. Kwaadaardige PT's zijn verantwoordelijk voor 18%-25%, met een hoog lokaal recidief (tot 65%) en metastasen op afstand (16%-25%). Goedaardige PT kan na meerdere recidieven evolueren naar maligniteit. Daarom zijn vroege, nauwkeurige diagnose en identificatie van therapeutische doelen cruciaal voor het verbeteren van de resultaten en overlevingskansen.

De laatste jaren is er een groeiende belangstelling voor de toepassing van kunstmatige intelligentie (AI) in de medische diagnostiek. AI kan klinische informatie, histopathologische beelden en multi-omics-gegevens integreren om te helpen bij pathologische en klinische diagnoses, prognosevoorspellingen en moleculaire profilering. AI heeft veelbelovende resultaten laten zien op verschillende gebieden, waaronder de diagnose van verschillende vormen van kanker, zoals colorectale kanker, borstkanker. kanker en prostaatkanker. PT verschilt echter van borstkanker wat betreft diagnose en behandelaanpak. Daarom is het opzetten van een op AI gebaseerd systeem voor de nauwkeurige diagnose en prognosebeoordeling van PT cruciaal voor gepersonaliseerde geneeskunde.

Het onderzoeksteam, geleid door Dr. Nie Yan, is een van de weinige in de provincie Guangdong en zelfs nationaal, gespecialiseerd in PT-onderzoek. Hun team heeft onderzoek gedaan naar de kwaadaardige progressie, metastasemechanismen en moleculaire markers voor PT. Het team heeft sleutelmechanismen geïdentificeerd, zoals differentiatie van fibroblasten naar myofibroblasten, en de rol van tumor-geassocieerde macrofagen bij het bevorderen van deze differentiatie. Ze hebben ook moleculaire markers geïdentificeerd, waaronder miR-21, α-SMA, CCL18 en CCL5, die nauwkeuriger zijn in het voorspellen van het risico op tumorherhaling in vergelijking met traditionele histopathologische beoordeling.

Het project heeft hoogwaardige gegevens verzameld van bijna duizend borst-PT-patiënten, waaronder beeldvormings-, histopathologische en overlevingsgegevens, en heeft transcriptoomgensequencing op weefselmonsters uitgevoerd. Ze willen een uitgebreide multi-omics-database voor borst-PT opbouwen en een op AI gebaseerd model creëren voor vroege diagnose en prognosevoorspelling. Dit onderzoek heeft het potentieel om de diagnose en behandeling van borst-PT te verbeteren, de verschillen in borst-PT-zorg in verschillende regio's in China aan te pakken en bij te dragen aan de ontwikkeling van nieuwe therapeutische doelen.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

4000

Contacten en locaties

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

Studiecontact

Studie Locaties

  • China
    • Guangdong
      • Guangzhou, Guangdong, China, 510120
        • Werving
        • Sun Yat-sen Memorial Hospital, Sun Yat-sen University
        • Contact:
      • Guangzhou, Guangdong, China, 510050
        • Werving
        • Sun Yat-Sen University Cancer Center
        • Contact:
          • Feng Ye, Prof.Dr.
          • Telefoonnummer: 15914388994
      • Guangzhou, Guangdong, China, 510145
        • Werving
        • The Third Affiliated Hospital of Guangzhou Medical University
        • Contact:
          • Hui Mai, Prof.Dr.
          • Telefoonnummer: 13925129112
      • Guangzhou, Guangdong, China, 511400
        • Werving
        • Guangdong Maternal and Child Health Hospital
        • Contact:
          • Yu Tan, Prof.Dr.
          • Telefoonnummer: 13632356526

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

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patiënten zijn alle mensen die het Sun Yat-Sen Memorial Hospital van de Sun Yat-Sen Universiteit bezochten.

Beschrijving

Inclusiecriteria:

  • Patiënten bij wie een phyllodestumor van de borst werd vastgesteld

Uitsluitingscriteria:

  • Wazige beelden, beeldartefacten

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
Borstphyllodes-tumor
Patiënten met de diagnose phyllodes-borsttumor
Diagnostische toets: in beeld brengen
Medische beeldvormingsmaterialen voor patiënten, waaronder echografie, mammografie, CT, MRI

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gevoeligheid
Tijdsspanne: Vijf jaar
De kans op een positief testresultaat, op voorwaarde dat het werkelijk positief is.
Vijf jaar
Vals-negatief percentage
Tijdsspanne: Vijf jaar
Bepaal de kans op een negatieve test in een positieve populatie.
Vijf jaar
Specificiteit
Tijdsspanne: Vijf jaar
De kans op een negatief testresultaat afhankelijk van een echt negatief resultaat.
Vijf jaar
Vals-positief percentage
Tijdsspanne: Vijf jaar
Bepaal de kans om positief te testen in een negatieve populatie.
Vijf jaar
Ontvanger bedrijfskarakteristiekcurve
Tijdsspanne: Vijf jaar
De ROC-curve is een curve gebaseerd op een reeks verschillende dichotome classificaties (afkapwaarden of beslissingsdrempels), met het aantal echte positieven (gevoeligheid) als verticale coördinaat en het aantal valse positieven (1-specificiteit) als de horizontale coördinaat.
Vijf jaar
Gebied onder roc Curve
Tijdsspanne: Vijf jaar
AUC wordt gedefinieerd als het gebied onder de ROC-curve omsloten door de assen, en hoe dichter de AUC bij 1,0 ligt, hoe authentieker de test is.
Vijf jaar

Medewerkers en onderzoekers

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

Sponsor

Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Medewerkers

Sun Yat-sen University
The Third Affiliated Hospital of Guangzhou Medical University
Peking University Shenzhen Hospital
Guangdong Provincial Maternal and Child Health Hospital

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

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 maart 2023

Primaire voltooiing (Geschat)

31 december 2027

Studie voltooiing (Geschat)

31 december 2027

Studieregistratiedata

Eerst ingediend

22 februari 2024

Eerst ingediend dat voldeed aan de QC-criteria

22 februari 2024

Eerst geplaatst (Geschat)

29 februari 2024

Updates van studierecords

Laatste update geplaatst (Geschat)

29 februari 2024

Laatste update ingediend die voldeed aan QC-criteria

22 februari 2024

Laatst geverifieerd

1 februari 2024

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • SYSKY-2023-351-02

Plan Individuele Deelnemersgegevens (IPD)

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

NEE

Beschrijving IPD-plan

geen plan om gegevens van individuele deelnemers beschikbaar te stellen aan andere onderzoekers.

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