Diep leren voor histopathologische classificatie en prognose van gynaecologische gladde spiertumoren (STUMP)
13 januari 2026 bijgewerkt door: Institut Bergonié
Gladde spiertumoren van de baarmoeder die niet voldoen aan de diagnostische criteria van goedaardigheid (zoals leiomyomen) of maligniteit (zoals leiomyosarcomen) worden STUMP (gladde spiertumor met onzeker kwaadaardig potentieel) genoemd.
Een mogelijke oplossing voor dit probleem zou de toepassing kunnen zijn van voorspellende modellen die gebruik maken van kunstmatige intelligentie (AI) om te helpen bij de histopathologische classificatie en prognose van gynaecologische gladde spiertumoren.
Diep leren met behulp van convolutionele neurale netwerken vertegenwoordigt een specifieke klasse van machinaal leren, waarin voorspellende modellen worden getraind door kleine groepen pixels in digitale afbeeldingen te beschouwen en iteratief opvallende kenmerken te identificeren.
In deze studie willen we diepgaande leermodellen ontwikkelen die in staat zijn om de prognose van gynaecologische gladde spiertumoren nauwkeurig te subclassificeren en te voorspellen, op basis van histopathologische kenmerken van hematoxyline- en eosine-glaasjes.
Het doel is om een diagnostisch en prognostisch algoritme te ontwikkelen om pathologen te helpen gladde spiertumoren van de baarmoeder beter te classificeren en te diagnosticeren en het klinische beloop ervan te voorspellen.
Studie Overzicht
Studietype
Observationeel
Inschrijving (Geschat)
392
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
- Naam: Sabrina CROCE
- Telefoonnummer: +33556333333
- E-mail: s.croce@bordeaux.unicancer.fr
Studie Locaties
-
-
-
Bordeaux, Frankrijk
- Werving
- Institut Bergonie
-
Contact:
- Sabrina CROCE
-
-
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
- Gladde spiertumoren van de baarmoeder: leiomyomen, gladde spiertumoren met onzekere maligniteit en leiomyossarcomen.
Beschrijving
Inclusiecriteria:
- Patiënten met een diagnose van gladde spiertumoren van de baarmoeder (leiomyomen, gladde spiertumoren met onzekere maligniteit en leiomyosarcomen), geregistreerd in de RRePS-database en/of behandeld in het Institut Bergonié of een van de deelnemende centra.
- Histopathologisch materiaal beschikbaar (kerosineblokken en/of objectglaasjes).
Uitsluitingscriteria:
- nvt
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 |
|---|---|
|
STUMP-cohort
Gladde spiertumoren van de baarmoeder die niet voldoen aan de diagnostische criteria van goedaardigheid (zoals leiomyomen) of maligniteit (zoals leiomyosarcomen): gladde spiertumor met onzeker kwaadaardig potentieel
|
Geen interventie aangezien dit een observationeel onderzoek is
|
|
Leiomyoma-leiomyosarcoom
Gladde spiertumoren van de baarmoeder die voldoen aan de diagnostische criteria van goedaardigheid (zoals leiomyomen) of maligniteit (zoals leiomyosarcomen)
|
Geen interventie aangezien dit een observationeel onderzoek is
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Ontwikkel deep learning-modellen die gynaecologische gladde spiertumoren nauwkeurig kunnen subclassificeren
Tijdsspanne: gedurende de uitvoering van de studie - naar verwachting gemiddeld 6 maanden na gegevensverzameling
|
Dit project heeft als doel de diagnose en prognose van gynaecologische gladde spiertumoren te verbeteren, waaronder leiomyomen (LM), leiomyosarcomen (LMS) en gladde spiertumoren met onzeker maligne potentieel (STUMP).
In detail zal een workflow bestaande uit 2 fasen worden ontwikkeld om automatisch GSMT-subtypen te classificeren op basis van whole-slide beelden en om de progressievrije overleving te voorspellen voor patiënten in de LMS- en STUMP-groepen, waardoor clinici een effectiever instrument krijgen om de kwaliteit van de workflow te verbeteren.
|
gedurende de uitvoering van de studie - naar verwachting gemiddeld 6 maanden na gegevensverzameling
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Ontwikkel een prognostisch hulpmiddel voor STUMP
Tijdsspanne: 6 maanden na ontvangst van de gegevens.
|
Ontwikkel een model om progressievrije overleving voor de STUMP-groep te voorspellen op basis van de kenmerken die zijn geëxtraheerd uit Whole Slide Images.
|
6 maanden na ontvangst van de gegevens.
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
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 december 2023
Primaire voltooiing (Geschat)
1 december 2026
Studie voltooiing (Geschat)
1 december 2026
Studieregistratiedata
Eerst ingediend
2 augustus 2024
Eerst ingediend dat voldeed aan de QC-criteria
2 augustus 2024
Eerst geplaatst (Werkelijk)
6 augustus 2024
Updates van studierecords
Laatste update geplaatst (Werkelijk)
15 januari 2026
Laatste update ingediend die voldeed aan QC-criteria
13 januari 2026
Laatst geverifieerd
1 januari 2026
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- IB2023-STUMP
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 .