- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT06302881
Differentiërende tumor-stroma-ratio bij pancreasductaal adenocarcinoom
7 maart 2024 bijgewerkt door: Liao Hongfan, First Affiliated Hospital of Chongqing Medical University
Eén nieuw, op transfer learning gebaseerd CLIP-model gecombineerd met zelfaandachtsmechanisme voor het differentiëren van de tumor-stroma-ratio bij pancreasductaal adenocarcinoom: een retrospectief cohortonderzoek in meerdere centra
Deze studie introduceert een nieuw, op transfer learning gebaseerd contrastief taal-beeld pretraining adapter (CLIP-adapter) model voor het voorspellen van de tumor-stroma ratio (TSR) bij ductaal adenocarcinoom van de pancreas (PDAC) met behulp van preoperatieve tweefasige CT-beelden.
Het primaire doel is het ontwikkelen van een efficiënt en toegankelijk instrument voor risicostratificatie en gepersonaliseerde behandelplanning.
Studie Overzicht
Toestand
Actief, niet wervend
Gedetailleerde beschrijving
Het voorgestelde nieuwe Contrastive Language-Image Pretraining-Adapter (CLIP-adapter) model, dat gebruik maakt van transfer learning, framing CLIP en een zelfaandachtsmechanisme voor het voorspellen van TSR in PDAC, om hoge prestaties te leveren bij het onderscheiden van lage en hoge TSR PDAC in de testcohort.
We speculeerden dat het CLIP-adaptermodel beter presteerde dan enkelfasige modellen, met name CLIP-modellen die alleen op arteriële of veneuze fasebeelden waren gebaseerd.
De toevoeging van een functiefusiemodule zou het differentiatievermogen van het model kunnen vergroten, waardoor de superioriteit ervan ten opzichte van enkelfasige modellen wordt benadrukt.
Bovendien maakte het door ons ontworpen model gebruik van zowel beeld- als tekstinformatie tijdens netwerktraining, in plaats van zich alleen op afbeeldingen te concentreren.
Dit onderstreept het belang van een uitgebreide beoordeling bij de evaluatie van PDAC-beeldvorming, met het potentieel om bij te dragen aan risicostratificatie en gepersonaliseerde behandelplanning.
Studietype
Observationeel
Inschrijving (Werkelijk)
207
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
Kanssteekproef
Studie Bevolking
In totaal werden 207 patiënten gekozen uit drie onafhankelijke4 ziekenhuizen: het Eerste Aangesloten Ziekenhuis van de Chongqing Medische Universiteit (FAHCQMU), het Daping Ziekenhuis van de Leger Medische Universiteit (DPHAMU) en het Derde Aangesloten Ziekenhuis van de Chongqing Medische Universiteit (TAHCQMU).
Beschrijving
Inclusiecriteria:
- patiënten met pathologisch bewezen PDAC door chirurgische resectie
- patiënten die binnen een maand vóór de operatie een CT-scan hebben ondergaan
- waarneembare pancreaslaesies op beschikbare beelden.
Uitsluitingscriteria:
- eventuele antikankertherapie vóór CT-scan
- opvallende interferentie of aanzienlijke bewegingsvervormingen op beelden
- gedeeltelijke klinische gegevens
- patiënten met levermetastasen of peritoneale carcinomatose voorafgaand aan chirurgische ingreep.
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 |
---|
lage TSR en hoge TSR-groep
De beoordeling van de tumor-stroma-ratio (TSR) omvatte het meten van het percentage tumor- en stroma-bestanddelen.
Op basis van eerder onderzoek werd 5/5 beschouwd als de ideale drempel voor TSR-meting.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
De diagnostische AUC-waarde van ductaal adenocarcinoom van de pancreas met deep learning-algoritme.
Tijdsspanne: 1 jaar
|
AUC=(Gevoeligheid+specificiteit)-1
|
1 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
De diagnostische nauwkeurigheid van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
Tijdsspanne: 1 jaar
|
De diagnostische nauwkeurigheid van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
|
1 jaar
|
De diagnostische gevoeligheid van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
Tijdsspanne: 1 jaar
|
De diagnostische gevoeligheid van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
|
1 jaar
|
De diagnostische specificiteit van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
Tijdsspanne: 1 jaar
|
De diagnostische specificiteit van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
|
1 jaar
|
De diagnostische positief voorspellende waarde van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
Tijdsspanne: 1 jaar
|
De diagnostische positief voorspellende waarde van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
|
1 jaar
|
De diagnostische negatief voorspellende waarde van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
Tijdsspanne: 1 jaar
|
De diagnostische negatief voorspellende waarde van ductaal adenocarcinoom van de pancreas met een deep learning-algoritme.
|
1 jaar
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
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 2013
Primaire voltooiing (Werkelijk)
1 juli 2022
Studie voltooiing (Geschat)
1 maart 2024
Studieregistratiedata
Eerst ingediend
29 februari 2024
Eerst ingediend dat voldeed aan de QC-criteria
7 maart 2024
Eerst geplaatst (Werkelijk)
12 maart 2024
Updates van studierecords
Laatste update geplaatst (Werkelijk)
12 maart 2024
Laatste update ingediend die voldeed aan QC-criteria
7 maart 2024
Laatst geverifieerd
1 februari 2024
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- liaohongfan
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 .
Klinische onderzoeken op Ductaal adenocarcinoom van de alvleesklier
-
Andrei IagaruNiet meer beschikbaarCarcinoïde tumoren | Eilandcel (Pancreatic NET) | Andere neuro-endocriene tumorenVerenigde Staten