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

Modellen voor kunstmatige intelligentie voor nauwkeurige voorspelling en behandeling van prostaatkanker

27 oktober 2024 bijgewerkt door: Shao Pengfei

Nauwkeurige voorspelling en behandeling van prostaatkanker door op modellen van kunstmatige intelligentie gebaseerde hele diabeelden en MRI's

Het doel van deze klinische proef is of modellen voor kunstmatige intelligentie kunnen worden gebruikt voor nauwkeurige klinische preoperatieve diagnose en postoperatieve diagnose van pathologische bevindingen, en zal ook de nauwkeurigheid van de voorspellingen van de modellen voor kunstmatige intelligentie meten. De belangrijkste doelvragen die door het model worden beantwoord gebouw zijn:

  1. of het AI-model kan leren van preoperatieve MRI en postoperatieve Whole Slide Images om informatie zoals goedaardigheid of maligniteit, agressiviteit, gradatie, subtypes, genen, etc. nauwkeurig te voorspellen voor deelnemers van wie wordt vermoed dat ze preoperatief/puncturaal prostaatkanker hebben.
  2. of het AI-model in staat is postoperatieve macropathologieglaasjes te leren om de uitkomstdiagnose van chirurgische pathologieglaasjes bij nieuwe deelnemers mogelijk te maken.

Deelnemers zullen:

  1. een MRI-onderzoek voltooien en hun MRI-beelden laten analyseren door het gevestigde AI-model om er een nauwkeurige diagnose van te stellen.
  2. Op basis van de diagnose zullen ze, als prostaatkanker wordt voorspeld, een radicale prostaatkankeroperatie ondergaan en hun chirurgische pathologie verfijnen.

Studie Overzicht

Toestand

Nog niet aan het werven

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Gebaseerd op kunstmatige intelligentietechnologie, wordt het voorspellingsmodel gebouwd door de kwantitatieve mappingcorrelatie tussen geannoteerde prostaatkanker Whole Slide Images en MRI te schetsen, en de gemeenschappelijke kenmerken te verduidelijken. Ten eerste kan het model nauwkeurig de radicale pathologie van prostaatkanker diagnosticeren, die kan worden vrijgesteld van immunohistochemie om gedetailleerde pathologische informatie te verkrijgen; ten tweede kan het gevestigde AI-voorspellingsmodel nauwkeurig de goedaardige/kwaadaardige, invasiviteit, graad en subtype van prostaatkanker diagnosticeren door de MRI-beelden van de deelnemer vóór de operatie of punctie te voorspellen, zodat een gepersonaliseerd behandelplan voor de patiënt kan worden geformuleerd vóór de operatie of punctie. . Ten slotte leert het model op basis van AI-technologie van de MRI-beelden en voert het een 3D-reconstructie uit van de prostaat en laesies vóór de operatie/punctie, waardoor de exacte locatie van de laesies wordt verduidelijkt en de punctie of chirurgische behandeling kan worden begeleid.

Studietype

Ingrijpend

Inschrijving (Geschat)

200

Fase

  • Niet toepasbaar

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 Contact Back-up

  • Naam: Pan Zang, Postgraduate
  • Telefoonnummer: 18914730216
  • E-mail: 896381164@qq.com

Studie Locaties

  • China
    • Jiangsu
      • Nanjing, Jiangsu, China, 210036
        • The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's 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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Beschrijving

Inclusiecriteria:

  • Patiënten met vermoedelijke PCa (verhoogde PSA of verdachte positieve laesies op echografie- of MRI-resultaten);

Uitsluitingscriteria:

  • Eerdere behandeling van de prostaat in welke vorm dan ook, inclusief chirurgie, radiotherapie/chemotherapie, endocriene therapie, gerichte therapie en immunotherapie;
  • Patiënten bij wie een item ontbreekt in de klinische en pathologische basisinformatie;
  • Patiënten met een voorgeschiedenis van andere maligniteiten, ernstige comorbiditeiten of andere gezondheidsproblemen;
  • Kan geen geïnformeerde toestemmingsformulier verstrekken/ondertekenen;
  • Patiënten die, naar het oordeel van de onderzoeker, ongeschikt worden geacht om deel te nemen aan deze klinische proef;

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

  • Primair doel: Diagnostisch
  • Toewijzing: Gerandomiseerd
  • Interventioneel model: Parallelle opdracht
  • Masker: Verdrievoudigen

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Experimenteel: Experimentele groep
Deze groep patiënten krijgt voorspellingen, ondersteund door kunstmatige intelligentiemodellen.
Diagnostische toets: Nauwkeurige voorspellingsmodellen voor kunstmatige intelligentie
Diagnostische test: Nauwkeurige voorspelling Kunstmatige intelligentiemodellen Postoperatieve pathologie, nauwkeurige preoperatieve diagnose (inclusief goedaardige en kwaadaardige, invasieve, gradatie, subtypes) of 3D-laesiemodellering zullen worden voorspeld op basis van het AI-voorspellende model als reactie op de verstrekte informatie
Geen tussenkomst: Controlegroep
Deze groep patiënten krijgt geen voorspellingen die worden ondersteund door kunstmatige-intelligentiemodellen.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Voorspelling van postradicale prostaatkankerpathologie na radicale prostatectomie met behulp van het 'AUC' alomvattende beoordelingsmodel
Tijdsspanne: Vanaf de inschrijving van de proefpersoon tot de eerste postoperatie, meestal 30-90 dagen.
'AUC' verwijst naar het gebied onder de ROC-curve (Receiver Operating Characteristic), die de prestaties van het model aangeeft bij het voorspellen van immunohistochemie-gerelateerde pathologische informatie van prostaatkanker na een operatie, en de AUC varieert van 0-1, waarbij de grotere waarde wat het betere voorspellingseffect aangeeft.
Vanaf de inschrijving van de proefpersoon tot de eerste postoperatie, meestal 30-90 dagen.
Het voorspellen van de prestaties van post-radicale pathologie door het alomvattende beoordelingsmodel 'AUC'
Tijdsspanne: Vanaf de inschrijving van de proefpersoon tot de eerste postoperatie, meestal 30-90 dagen.
'AUC' verwijst naar het gebied onder de ROC-curve (Receiver Operating Characteristic), die het prestatieniveau van het model aangeeft bij het voorspellen van prostaatkanker in de preoperatieve periode, waarbij de AUC varieert van 0-1, waarbij grotere waarden betere voorspellingsresultaten aangeven.
Vanaf de inschrijving van de proefpersoon tot de eerste postoperatie, meestal 30-90 dagen.
'F1 Score' om de prestaties van preoperatieve 3D-modellering te beoordelen
Tijdsspanne: Vanaf de inschrijving van de proefpersoon tot het eerste herstel na de operatie/punctie, meestal 30-90 dagen.
Een afgestemd gemiddelde van de precisie en herinnering van preoperatieve 3D-modellering, beoordeeld aan de hand van de 'F1-score', die de overeenkomst met de werkelijke situatie weergeeft.
Vanaf de inschrijving van de proefpersoon tot het eerste herstel na de operatie/punctie, meestal 30-90 dagen.

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Beoordeel het kostenverschil tussen het voorspellende model en de klinische benadering aan de hand van "economische kostenbesparingen"
Tijdsspanne: Vanaf de inschrijving van de proefpersoon tot het eerste herstel na de operatie/punctie, meestal 30-90 dagen.
Vergelijk het verschil in kosten die zijn gemaakt met behulp van een voorspellend model met de kosten die zijn voorspeld met behulp van een klinische benadering; het verschil zal in yuan zijn.
Vanaf de inschrijving van de proefpersoon tot het eerste herstel na de operatie/punctie, meestal 30-90 dagen.
"Diagnostische tijd" evalueert de tijd die nodig is om immunohistochemie-gerelateerde pathologie in de postoperatieve periode te voorspellen.
Tijdsspanne: Vanaf de inschrijving van de proefpersoon tot het eerste herstel na de operatie/punctie, meestal 30-90 dagen.
De tijd die postoperatief wordt besteed aan het voorspellen of assisteren van de patholoog bij het verkrijgen van immunohistochemie-gerelateerde pathologie-informatie wordt beoordeeld aan de hand van "Diagnostische Tijd" en wordt gemeten in minuten.
Vanaf de inschrijving van de proefpersoon tot het eerste herstel na de operatie/punctie, meestal 30-90 dagen.

Medewerkers en onderzoekers

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

Sponsor

Shao Pengfei

Medewerkers

Institute of Automation, Chinese Academy of Sciences

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 (Geschat)

1 december 2024

Primaire voltooiing (Geschat)

1 januari 2030

Studie voltooiing (Geschat)

31 december 2030

Studieregistratiedata

Eerst ingediend

13 augustus 2024

Eerst ingediend dat voldeed aan de QC-criteria

27 oktober 2024

Eerst geplaatst (Werkelijk)

29 oktober 2024

Updates van studierecords

Laatste update geplaatst (Werkelijk)

29 oktober 2024

Laatste update ingediend die voldeed aan QC-criteria

27 oktober 2024

Laatst geverifieerd

1 oktober 2024

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • Shao Pengfei

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

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