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

Ontwikkeling van een beeldvormend voorspellingsmodel voor bekkenlymfekliermetastasen van baarmoederhalskanker met behulp van kunstmatige intelligentietechnieken.

3 juni 2024 bijgewerkt door: Obstetrics & Gynecology Hospital of Fudan University
Deze studie is een retrospectief verkennend onderzoek uitgevoerd in één enkel centrum, met als doel een preoperatief lymfatisch metastasemodel voor baarmoederhalskanker te ontwikkelen en te valideren met behulp van deep learning door kunstmatige intelligentie. Het model is getraind met behulp van preoperatieve beeldvorming en postoperatieve pathologische bevindingen van patiënten met baarmoederhalskanker, met als doel de nauwkeurigheid van de voorspelling van lymfatische metastasen te vergroten door middel van preoperatieve beeldvorming en inzichten te bieden voor behandelbeslissingen.

Studie Overzicht

Toestand

Werving

Conditie

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
    • Shanghai
      • Shanghai, Shanghai, China, 200090
        • Werving
        • The Obstetrics and Gynecology Hospital of Fudan University
        • Contact:
        • Hoofdonderzoeker:
          • Xin Wu
        • Onderonderzoeker:
          • Hua Jiang
        • Onderonderzoeker:
          • Xuan Yin
        • Onderonderzoeker:
          • Ling Qiu
        • Onderonderzoeker:
          • Hui Wang
        • Onderonderzoeker:
          • Yang Liu
        • Onderonderzoeker:
          • Shen Luo
        • Onderonderzoeker:
          • Xiaomei Sun

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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Alle patiëntinformatie en beeldgegevens zijn verzameld bij het Obstetrie en Gynaecologische Ziekenhuis van de Fudan Universiteit. Dit ziekenhuis is een gespecialiseerde instelling voor tertiaire zorg en wordt erkend als het toonaangevende ziekenhuis voor verloskunde en gynaecologie in China.

Beschrijving

Inclusiecriteria:

  1. patiënten met preoperatieve diagnose van invasieve baarmoederhalskanker stadium I-III, met welk type pathologie dan ook, en patiënten die een radicale/gemodificeerde radicale baarmoederhalskankeroperatie + bekkenlymfeklierdissectie hebben ondergaan in ons ziekenhuis.
  2. Leeftijd ≥18 jaar en ≤80 jaar oud
  3. patiënten met volledige preoperatieve bekken-MRI-beelden en postoperatieve pathologie en klinische gegevens in ons ziekenhuis

Uitsluitingscriteria:

  1. Patiënten tijdens zwangerschap of borstvoeding, patiënten binnen 42 dagen na abortus
  2. Patiënten die vóór de operatie voor deze eerdere baarmoederhalskanker neoadjuvante chemotherapie of radiotherapie hebben gekregen
  3. Patiënten met andere kwaadaardige tumoren binnen 5 jaar
  4. Combinatie van andere onderliggende ziekten die kunnen leiden tot vergrote bekkenlymfeklieren
  5. Beeldvormingsrapport meer dan 1 maand vóór de operatie
  6. Slechte beeldkwaliteit en onherkenbaar

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
Een model voor het identificeren van bekkenlymfekliermetastasen op preoperatieve beeldvorming
Tijdsspanne: Vanaf de inschrijving tot het einde van de ontwikkeling van het model na 24 maanden
Kunstmatige intelligentie (AI)-technologie werd gebruikt om een ​​model te ontwikkelen voor het identificeren van bekkenlymfekliermetastasen op basis van preoperatieve beelden om de nauwkeurigheid van de preoperatieve detectie van lymfekliermetastasen bij baarmoederhalskanker te verbeteren. Het model werd gevalideerd met de belangrijkste diagnostische focus op het bepalen van de status van lymfekliermetastasen.
Vanaf de inschrijving tot het einde van de ontwikkeling van het model na 24 maanden

Medewerkers en onderzoekers

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

Sponsor

Obstetrics & Gynecology Hospital of Fudan University

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 februari 2024

Primaire voltooiing (Geschat)

1 december 2025

Studie voltooiing (Geschat)

1 december 2025

Studieregistratiedata

Eerst ingediend

3 juni 2024

Eerst ingediend dat voldeed aan de QC-criteria

3 juni 2024

Eerst geplaatst (Werkelijk)

7 juni 2024

Updates van studierecords

Laatste update geplaatst (Werkelijk)

7 juni 2024

Laatste update ingediend die voldeed aan QC-criteria

3 juni 2024

Laatst geverifieerd

1 juni 2024

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • FUOBGY2024-33

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 .

Abonneren