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

Op radiomics gebaseerd AI-model voor het voorspellen van para-aortische lymfekliermetastase bij maagkankerpatiënten

21 april 2025 bijgewerkt door: Qun Zhao

Een prospectieve klinische studie van op radiomica gebaseerde kunstmatige intelligentie voor het voorspellen van para-aortische lymfekliermetastase bij patiënten met maagkanker

Deze studie heeft als doel een kunstmatige intelligentie (AI) -model te ontwikkelen en te valideren op basis van radiomics-kenmerken die zijn geëxtraheerd uit preoperatieve CT-afbeeldingen om para-aortische lymfeknoop (PALN) metastase te voorspellen bij patiënten met maagkanker. Het nauwkeurig identificeren van PALN -metastase vóór de operatie kan artsen helpen betere behandelingsbeslissingen te nemen, zoals of ze doorgaan met een operatie, chemotherapie overwegen of andere behandelingsstrategieën gebruiken. De studie zal prospectief patiënten inschrijven die de diagnose maagkanker krijgen en gepland zijn voor een operatie. Alle deelnemers zullen routinematige beeldvormingstests ondergaan en hun gegevens worden geanalyseerd met behulp van geavanceerde AI -technieken. De resultaten van deze studie kunnen de precisie van preoperatieve enscenering verbeteren en gepersonaliseerde behandelingsplanning voor patiënten met maagkanker ondersteunen.

Studie Overzicht

Toestand

Aanmelden op uitnodiging

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

120

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • China
    • None Selected
      • Shijiazhuang, None Selected, China, 050011
        • The Fourth Hospital of Hebei Medical University

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

NVT

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

De onderzoekspopulatie zal bestaan ​​uit volwassen patiënten met de diagnose maagadenocarcinoom die gepland zijn om radicale gastrectomie te ondergaan in een tertiaire zorgcentrum. Alle deelnemers hebben preoperatieve contrastversterkte CT-scans en geen bewijs van metastase op afstand. De populatie vertegenwoordigt personen met een risico op para-aortische lymfekliermetastase en is bedoeld om real-world patiënten weer te geven die kunnen profiteren van niet-invasieve, AI-ondersteunde preoperatieve beoordelingsinstrumenten. Deelnemers worden opeenvolgend ingeschreven om selectiebias te minimaliseren.

Beschrijving

Inclusiecriteria:

  1. Volwassenen van 18-80 jaar.
  2. Histologisch bevestigd maagadenocarcinoom.
  3. Gepland om radicale gastrectomie te ondergaan met of zonder para-aortische lymfeklierdissectie.
  4. Preoperatieve contrastversterkte buik CT-scan beschikbaar binnen 3 weken vóór de operatie.
  5. Geen bewijs van metastase op afstand over beeldvorming.
  6. ECOG-prestatiestatus 0-2.
  7. Verstrekt schriftelijke geïnformeerde toestemming.

Uitsluitingscriteria:

  1. Geschiedenis van andere kwaadaardige tumoren in de afgelopen 5 jaar.
  2. Ontving neoadjuvante chemotherapie of radiotherapie voorafgaand aan CT -beeldvorming.
  3. Slechte kwaliteit of onvolledige CT-afbeeldingen die niet geschikt zijn voor radiomica-analyse.
  4. Ernstige comorbiditeiten die de prognose of chirurgische besluitvorming kunnen beïnvloeden.
  5. Zwangerschap of borstvoeding.
  6. Onvermogen om geïnformeerde toestemming te geven of te voldoen aan onderzoeksprocedures.

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
Diagnostische nauwkeurigheid van het AI-radiomics-model voor het voorspellen van para-aortische lymfekliermetastase bij maagkanker
Tijdsspanne: Van preoperatieve beeldvorming tot postoperatieve pathologische bevestiging (ongeveer 4-6 weken per patiënt)
De primaire uitkomst is de diagnostische prestaties van het op radiomics gebaseerde AI-model bij het voorspellen van para-aortische lymfekliermetastase (PALNM) bij patiënten met maagkanker. De prestaties worden geëvalueerd door het gebied te berekenen onder de ontvanger operationele karakteristieke curve (AUC), gevoeligheid, specificiteit, nauwkeurigheid en voorspellende waarden. De grondwaarheid voor PALNM -status zal gebaseerd zijn op postoperatieve pathologische bevindingen of multidisciplinaire consensusdiagnose. De voorspellingen van het model zullen worden vergeleken met werkelijke klinische resultaten om de betrouwbaarheid en klinische nut ervan te beoordelen.
Van preoperatieve beeldvorming tot postoperatieve pathologische bevestiging (ongeveer 4-6 weken per patiënt)

Medewerkers en onderzoekers

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

Sponsor

Qun Zhao

Medewerkers

First Hospital of Shijiazhuang City
Baoding First Central Hospital
Hengshui People's Hospital

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 januari 2025

Primaire voltooiing (Geschat)

30 juni 2025

Studie voltooiing (Geschat)

30 juni 2025

Studieregistratiedata

Eerst ingediend

21 april 2025

Eerst ingediend dat voldeed aan de QC-criteria

21 april 2025

Eerst geplaatst (Werkelijk)

27 april 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

27 april 2025

Laatste update ingediend die voldeed aan QC-criteria

21 april 2025

Laatst geverifieerd

1 april 2025

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • GC-RAD-AI-2025-01

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