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

Kanker voorspellen in pancreascystische laesies door kunstmatige intelligentie

30 april 2025 bijgewerkt door: Centre Hospitalier Universitaire de Nice

Diep leren voor kwaadaardige degeneratie -voorspelling van pancreascystische laesies - voorbij stigmata met een hoog risico

Deze internationale, multicenter retrospectieve studie heeft als doel een voorspellend model op basis van diep leren (DL) te ontwikkelen om kwaadaardige transformatie in cystische laesies van de pancreas te identificeren, waardoor de huidige klinische richtlijnen worden verbeterd. Het model zal klinische, biochemische en multimodale beeldgegevens integreren. Verschillende 3D -convolutionele neurale netwerken zullen worden getraind met behulp van geavanceerde voorbewerking, gegevensvergroting en hybride fusietechnieken. Modelprestaties zullen worden vergeleken met die van bestaande internationale richtlijnen. De studie omvat geen aanvullende procedures voor patiënten en houdt zich aan strikte gegevensanonimisatie en privacyvoorschriften.

Studie Overzicht

Toestand

Nog niet aan het werven

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

250

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

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

Nee

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Patiënten die pancreaschirurgie ondergingen voor cystische laesies van de pancreas, bij afwezigheid van preoperatief bewijs van kanker. Indicatie van chirurgie moet gebaseerd zijn op een of meer huidige richtlijnen met betrekking tot pancreas cystic laesies management.

Beschrijving

Inclusiecriteria:

  • Patiënten met de diagnose PCL (s) die pancreaschirurgie ondergingen in een van de deelnemerscentra. Chirurgische indicatie moet zich houden aan ten minste een van de huidige richtlijnen voor PCLS -management (6), gebaseerd op klinische, biochemische en radiologische (MR en/of EUS) kenmerken.
  • Pancreaschirurgie B83 -prestatie voor verondersteld verhoogd risico op cyste (s) kwaadaardige degeneratie na huidige richtlijnen voor PCLS -beheer (6).
  • Afwezigheid van klinisch, biochemisch, radiologisch en anatomopathologisch bewijs van pancreaskanker bij pancreaschirurgie.
  • Niet-opstelling voor de anonieme gegevensverwerking door de opgenomen patiënten.

Uitsluitingscriteria:

  • Patiënten met bewijs van alvleesklierkanker bij een operatie.
  • PCL (s) diagnose en behandeling uitgevoerd zonder een tussen EUS en pancreas MR. Chirurgie uitgevoerd bij afwezigheid van de criteria voorgesteld door de huidige richtlijnen.
  • Niet beschikbaar van zowel Preoperatieve EUS als Pancreas MR -gegevens.
  • Niet beschikbaar van postoperatieve PCL (s) anatomopathologische analyseresultaten.
  • SBO-diagnose uitgevoerd zonder CT-scan.

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
PCLS -patiënten
Resectieve chirurgie van de pancreas uitgevoerd voor pancreascystische laesies met een hoog risico op kwaadaardige degeneratie op basis van klinische, biochemische en/of radiologische kenmerken na huidige richtlijnen voor het beheer van pancreascystische laesies.
Procedure: Pancreasoperatie
Resectieve chirurgie van de pancreas uitgevoerd voor pancreascystische laesies met een hoog risico op kwaadaardige degeneratie op basis van klinische, biochemische en/of radiologische kenmerken na huidige richtlijnen voor het beheer van pancreascystische laesies.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Voorspelling van kwaadaardige degeneratie van pancreascystics -laesies
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Voorspel de aanwezigheid van kwaadaardige degeneratie (gedefinieerd als: hoogwaardige dysplasie, in situ PADC of T1 PADC) in pancreascystische laesie (s) met behulp van kunstmatige intelligentiemodel op basis van klinische, biochemische en radiologische kenmerken. Dit wordt gemeten door het gebied onder de Karakteristieke curve (Auroc) Assesesment van de ontvanger. Auroc varieert tussen 0,5 en 1, overeenkomend met respectievelijk geen klassenscheidingscapaciteit en volledige klassenscheidingscapaciteit.
90 dagen na het ontslaan van de patiënten in het ziekenhuis.

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Nauwkeurigheid van prestatie -evaluatie
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Het aantal echte positieven en echte negatieven tussen alle voorspellingen. Het varieert tussen 0 (geen correcte voorspelling) tot 1 (volledige correcte voorspellingen).
90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Precisie van prestatie -evaluatie
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Het aantal echte positieven gedeeld door alle positieve voorspellingen (ware positieven en valse positieven). Het varieert tussen 0 (geen correcte voorspelling) tot 1 (volledige correcte voorspellingen).
90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Herinnering van prestatie -evaluatie
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Het aantal echte positieven gedeeld door de werkelijke positieve instanties in de dataset (echte positieven en valse negatieven). Het varieert tussen 0 (geen correcte voorspelling) tot 1 (volledige correcte voorspellingen).
90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Evenwichtige nauwkeurigheid
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Het aritmethische gemiddelde van gevoeligheid en specificiteit. Het varieert tussen 0 (geen correcte voorspelling) tot 1 (volledige correcte voorspellingen).
90 dagen na het ontslaan van de patiënten in het ziekenhuis.
F1-score
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Het combineert precisie en terugroepen. Het varieert van 0-100%en een hogere F1-score geeft een classificator van betere kwaliteit aan.
90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Verwarringmatrix
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Een visuele weergave van ware positieven, valse positieven, ware negatieven en valse negatieven. Het wordt afgebeeld door een tafel.
90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Log-verlies
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Het geeft aan hoe dicht de voorspellingskans is aan de overeenkomstige werkelijke/werkelijke waarde (0 of 1 in het geval van binaire classificatie). Hoe meer de voorspelde waarschijnlijkheid afneemt van de werkelijke waarde, hoe hoger de log-verlieswaarde.
90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Cohen's Kappa
Tijdsspanne: 90 dagen na het ontslaan van de patiënten in het ziekenhuis.
Een metriek die wordt gebruikt om het niveau van overeenstemming tussen twee beoordelaars te meten, wat een nuttig hulpmiddel kan zijn om de prestaties van een classificatiemodel te meten. Het verklaart het feit dat de beoordelaars het eens kunnen zijn over sommige items puur toevallig. Het varieert tussen 0 (geen correcte voorspelling) tot 1 (volledige correcte voorspellingen).
90 dagen na het ontslaan van de patiënten in het ziekenhuis.

Medewerkers en onderzoekers

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

Sponsor

Centre Hospitalier Universitaire de Nice

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 juni 2025

Primaire voltooiing (Geschat)

1 juni 2026

Studie voltooiing (Geschat)

31 december 2026

Studieregistratiedata

Eerst ingediend

24 april 2025

Eerst ingediend dat voldeed aan de QC-criteria

30 april 2025

Eerst geplaatst (Werkelijk)

2 mei 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

2 mei 2025

Laatste update ingediend die voldeed aan QC-criteria

30 april 2025

Laatst geverifieerd

1 april 2025

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • 25Chirdig01

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