Diagnose van peritoneale exfoliatieve cytologie-positieve maagkanker op basis van door kunstmatige intelligentie aangestuurde virtuele biopsietechnologie (GC-CY1)
Deze klinische studie heeft tot doel een door kunstmatige intelligentie (AI) aangestuurde virtuele biopsietechnologie te ontwikkelen en evalueren voor de diagnose van maagkanker met positieve peritoneale exfoliatieve cytologie (PEC). Maagkanker met peritoneale metastasen vormt vaak een uitdaging voor vroege detectie en diagnose, waarbij traditionele diagnostische methoden zoals beeldvorming en histopathologie beperkt zijn wat betreft gevoeligheid en specificiteit.
In deze studie stellen we het gebruik van AI-algoritmen voor om niet-invasieve biomarkers te analyseren, inclusief transcriptomische profielen en beeldgegevens, om de aanwezigheid van peritoneale exfoliatieve cytologie-positieve maagkanker te voorspellen. Virtuele biopsie maakt gebruik van AI om meerdere datasets te integreren, waardoor een alomvattend diagnostisch hulpmiddel ontstaat dat mogelijk de huidige invasieve diagnostische procedures zou kunnen vervangen of aanvullen. Door deze technologie te ontwikkelen, streven we ernaar de vroege diagnose en monitoring van maagkanker te verbeteren, vooral in gevallen met occulte peritoneale metastase, en uiteindelijk de patiëntresultaten te verbeteren door tijdige en nauwkeurige behandelingsstrategieën.
De studie omvat het verzamelen van klinische monsters van maagkankerpatiënten met vermoedelijke peritoneale metastasen. Het AI-model zal op deze monsters worden getraind om relevante biomarkers voor PEC-positieve maagkanker te identificeren. Er zal klinische validatie worden uitgevoerd om de prestaties van dit AI-aangedreven virtuele biopsiesysteem te beoordelen in vergelijking met conventionele diagnostische methoden.
Deze studie heeft het potentieel om een nieuwe, niet-invasieve diagnostische aanpak te bieden voor maagkanker met peritoneale betrokkenheid, en biedt een aanzienlijke vooruitgang op het gebied van vroege kankerdetectie en gepersonaliseerde geneeskunde.
Studie Overzicht
Toestand
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
None Selected
-
Shijiazhuang, None Selected, China, 050011
- The Fourth Hospital of Hebei Medical University
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
Leeftijd: Patiënten van 18-75 jaar. Diagnose van maagkanker: Histologisch bevestigde diagnose van primaire maagkanker, met klinische verdenking op peritoneale metastasen (gebaseerd op beeldvorming of andere klinische bevindingen).
Positieve peritoneale lavagecytologie (PEC): Patiënten met vermoedelijke PEC-positieve maagkanker, op basis van eerdere of huidige peritoneale lavagecytologieresultaten of een hoog klinisch vermoeden.
ECOG-prestatiestatus: Eastern Cooperative Oncology Group (ECOG)-prestatiestatus van 0-2, wat aangeeft dat de patiënt gezond genoeg is om aan het onderzoek deel te nemen en de noodzakelijke diagnostische procedures te ondergaan.
Geïnformeerde toestemming: Vermogen en bereidheid om geïnformeerde toestemming te geven en te voldoen aan het onderzoeksprotocol.
Uitsluitingscriteria:
Eerdere kankergeschiedenis: Geschiedenis van andere maligniteiten in de afgelopen 5 jaar, met uitzondering van niet-melanome huidkanker of in situ kankers.
Ernstige comorbiditeiten: ernstige cardiovasculaire, respiratoire, nier- of leverziekte die het vermogen van de patiënt om aan het onderzoek deel te nemen of de vereiste diagnostische procedures te ondergaan, zou aantasten.
Zwangerschap of borstvoeding: Zwangere vrouwen of vrouwen die borstvoeding geven, of vrouwen die van plan zijn zwanger te worden tijdens de onderzoeksperiode.
Niet-geschikte klinische omstandigheden: elke aandoening die, naar de mening van de onderzoeker, de deelname van de patiënt of de naleving van het onderzoeksprotocol zou kunnen verstoren, of de kwaliteit van de gegevens zou kunnen aantasten.
Onvermogen om monsters te leveren: Patiënten die niet in staat zijn om de noodzakelijke klinische monsters (bijvoorbeeld bloed, urine of peritoneale lavagevloeistof) te leveren voor de AI-gestuurde virtuele biopsieanalyse.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Tijdsspanne |
|---|---|
|
Nauwkeurigheid van AI-aangedreven virtuele biopsie bij het diagnosticeren van PEC-positieve maagkanker
Tijdsspanne: 24 maanden postoperatieve follow-up
|
24 maanden postoperatieve follow-up
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- GC-CY1
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .