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

AI-aangedreven diagnose en voorspelling van kanker met EHR

25 juli 2025 bijgewerkt door: Kang Zhang, The Eye Hospital of Wenzhou Medical University

AI-gebaseerde diagnose en voorspelling van kanker met behulp van elektronische gezondheidsdossiers

Dit is een retrospectief klinisch onderzoek in meerdere centra, ontworpen om de toepassing en effectiviteit van een AI-ondersteund voorspellend model voor het identificeren en diagnosticeren van kanker te evalueren, waarbij gebruik wordt gemaakt van multimodale gezondheidsgegevens.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Diagnose en vroege detectie van kanker zijn cruciaal voor het verbeteren van de patiëntresultaten en overlevingskansen. Vroege identificatie van kankers en passende interventies kunnen het succes en de prognose van de behandeling aanzienlijk beïnvloeden. In de klinische praktijk moeten oncologen vaak een verscheidenheid aan patiëntgegevens integreren, waaronder medische geschiedenis, laboratoriumtestresultaten, beeldgegevens zoals CT-scans en MRI's, en genetische markers, om een ​​nauwkeurige diagnose te stellen en een persoonlijk behandelplan te ontwikkelen. Nu precisiegeneeskunde steeds belangrijker wordt, blijft de uitdaging bestaan ​​om kanker in een vroeg stadium te identificeren, vooral wanneer de symptomen subtiel of afwezig zijn. Recente ontwikkelingen op het gebied van kunstmatige intelligentie en data-analysetechnieken zijn veelbelovend gebleken bij het verbeteren van de diagnostische nauwkeurigheid en snelheid van kankerdetectie. Deze studie heeft tot doel een AI-ondersteund besluitvormingssysteem te ontwikkelen door multimodale gegevens uit elektronische medische dossiers, beeldvorming, laboratoriumresultaten en genetische gegevens te integreren. Het doel is om de diagnostische nauwkeurigheid te verbeteren, de klinische workflows te optimaliseren en meer gepersonaliseerde behandelingsopties voor kankerpatiënten te bieden. Uiteindelijk probeert dit systeem de vroege detectie te verbeteren, effectieve behandelstrategieën te begeleiden en de overlevingskansen van patiënten te verbeteren.

Studietype

Observationeel

Inschrijving (Geschat)

1000000

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
    • Guangdong
      • Guangzhou, Guangdong, China
        • Werving
        • Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
        • Contact:
      • Guangzhou, Guangdong, China
        • Werving
        • Guangzhou Women and Children's Medical Center
        • Contact:
      • Guangzhou, Guangdong, China
      • Guangzhou, Guangdong, China
        • Werving
        • Sun Yat-sen University Cancer Hospital
        • Contact:
    • Sichuan
      • Chengdu, Sichuan, China
        • Werving
        • West China Hospital
        • Contact:
    • Zhejiang
      • Wenzhou, Zhejiang, China
        • Werving
        • First Affiliated Hospital of Wenzhou Medical University
        • Contact:
      • Wenzhou, Zhejiang, China
        • Werving
        • Second Affiliated Hospital of Wenzhou Medical University
        • Contact:

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

Ja

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

De onderzoekspopulatie bestaat uit personen van 0 tot 90 jaar die zorg hebben ontvangen in deelnemende studiecentra. Deelnemers moeten over uitgebreide elektronische medische dossiers (EPD's) beschikken, inclusief medische geschiedenis, laboratoriumtestresultaten, beeldgegevens en genetische informatie (indien beschikbaar). Zowel personen bij wie kanker is vastgesteld (inclusief kanker bij kinderen en volwassenen) als gezonde personen zonder voorgeschiedenis van kanker zullen in het onderzoek worden opgenomen om de diagnostische en voorspellende mogelijkheden van het AI-ondersteunde model te evalueren. De studie zal zich richten op patiënten met volledige en gedocumenteerde zorgdossiers van de deelnemende centra, waardoor een divers cohort voor analyse over verschillende leeftijdsgroepen en kankertypes wordt gegarandeerd.

Beschrijving

Inclusiecriteria:

1. Patiënten met uitgebreide elektronische medische dossiers (EPD's), inclusief medische geschiedenis, laboratoriumtestresultaten, beeldgegevens en genetische gegevens (indien beschikbaar).

2. Personen zonder ernstige cognitieve stoornissen of aandoeningen die hen zouden beletten geïnformeerde toestemming te geven of deel te nemen aan het onderzoek.

3. Ouders of voogden moeten geïnformeerde toestemming geven aan minderjarigen, terwijl volwassen deelnemers voor zichzelf geïnformeerde toestemming moeten geven.

Uitsluitingscriteria:

  1. Patiënten met onvolledige of ontbrekende belangrijke elektronische medische dossiergegevens of onvoldoende vervolggegevens.
  2. Individuen met ernstige cognitieve stoornissen of andere terminale ziekten die zinvolle deelname in de weg staan.
  3. Zwangere vrouwen (hoewel pediatrische kankers worden overwogen, zouden zwangere vrouwen om veiligheidsredenen worden uitgesloten).

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
Gezond cohort
Deze groep bestaat uit individuen zonder gediagnosticeerde kanker. Deelnemers aan dit cohort zullen dienen als de controlegroep ter vergelijking met de experimentele groep. Er worden geen interventies of behandelingen aan dit cohort toegediend, omdat ze een basislijn van gezonde individuen vertegenwoordigen.
Diagnostische toets: AI-gebaseerd diagnostisch en prognostisch model
Deze interventie omvat een AI -systeem dat multimodale gegevens integreert, inclusief medische geschiedenis van de patiënt, laboratoriumtestresultaten, beeldvormingsgegevens en genetische informatie, om het risico op kanker te voorspellen. Het systeem maakt gebruik van diepleeralgoritmen om realtime, nauwkeurige voorspellingen te bieden, waardoor vroege identificatie van risico's op kanker mogelijk wordt. Door historische gezondheidsgegevens te analyseren, heeft het model gericht op het voorspellen van potentiële ontwikkelingen op het gebied van kanker, het verbeteren van vroege detectie- en behandelingsresultaten.
Tumorcohort
Deze groep bestaat uit personen met de diagnose kanker, waaronder verschillende typen. Deelnemers aan dit cohort zullen dienen als de experimentele groep voor het evalueren van de effectiviteit van het vroege voorspellingsmodel bij het identificeren van kankerrisico's en het verbeteren van de diagnostische nauwkeurigheid.
Diagnostische toets: AI-gebaseerd diagnostisch en prognostisch model
Deze interventie omvat een AI -systeem dat multimodale gegevens integreert, inclusief medische geschiedenis van de patiënt, laboratoriumtestresultaten, beeldvormingsgegevens en genetische informatie, om het risico op kanker te voorspellen. Het systeem maakt gebruik van diepleeralgoritmen om realtime, nauwkeurige voorspellingen te bieden, waardoor vroege identificatie van risico's op kanker mogelijk wordt. Door historische gezondheidsgegevens te analyseren, heeft het model gericht op het voorspellen van potentiële ontwikkelingen op het gebied van kanker, het verbeteren van vroege detectie- en behandelingsresultaten.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gebied onder de curve (AUC)
Tijdsspanne: 1 jaar
AUC van de ROC-curve, gebruikt om de diagnostische nauwkeurigheid te kwantificeren. Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een getal tussen 0 en 1).
1 jaar
F1-score
Tijdsspanne: 1 jaar
De F1 -score is het harmonische gemiddelde van precisie en gevoeligheid (terugroeping). Het is een goede maat voor het vermogen van het model om zowel echte positieven te identificeren en valse positieven te minimaliseren, vooral in gevallen waarin de klassen onevenwichtig zijn (bijvoorbeeld wanneer het aantal gezonde gevallen veel hoger is dan gevallen van ziekten). De F1 -score varieert van 0 tot 1, met 1 die een perfecte precisie en terugroepactie aangeeft.
1 jaar

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gevoeligheid (echt positief percentage)
Tijdsspanne: 1 jaar
Gevoeligheid meet hoe goed het AI -model echte positieve gevallen identificeert, zoals het correct diagnosticeren van zwangere vrouwen met complicaties of het identificeren van neonatale aandoeningen.
1 jaar
Specificiteit (echte negatieve snelheid)
Tijdsspanne: 1 jaar
Specificiteit meet het vermogen van het AI -model om gevallen correct te identificeren zonder ziekten, zodat gezonde moeders en zuigelingen correct als negatief worden geïdentificeerd.
1 jaar

Medewerkers en onderzoekers

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

Sponsor

The Eye Hospital of Wenzhou Medical 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)

19 januari 2025

Primaire voltooiing (Geschat)

1 oktober 2025

Studie voltooiing (Geschat)

1 oktober 2025

Studieregistratiedata

Eerst ingediend

19 januari 2025

Eerst ingediend dat voldeed aan de QC-criteria

19 januari 2025

Eerst geplaatst (Werkelijk)

24 januari 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

30 juli 2025

Laatste update ingediend die voldeed aan QC-criteria

25 juli 2025

Laatst geverifieerd

1 juli 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • Cancer

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

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