- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT07263711
Prospectieve Real-World Studie van Pathologie AI voor Glioma Moleculaire Voorspelling
Een prospectieve real-world studie van pathologie kunstmatige intelligentie voor het voorspellen van moleculaire veranderingen in gliomen
Het doel van deze klinische studie is om te onderzoeken of een kunstmatige intelligentie (AI)-model belangrijke moleculaire veranderingen in gliomen, een type hersentumor, nauwkeurig kan voorspellen met behulp van digitale pathologiebeelden.
De belangrijkste vragen die deze studie probeert te beantwoorden zijn:
Hoe nauwkeurig is het AI-model in het voorspellen van belangrijke moleculaire veranderingen in vergelijking met standaard moleculaire testen? Kan het AI-model de tijd die nodig is voor diagnose verkorten en de behoefte aan dure moleculaire testen verminderen?
Onderzoekers zullen hele slidebeelden verzamelen van meerdere ziekenhuizen en het AI-model gebruiken om moleculaire resultaten te voorspellen. De voorspellingen zullen worden vergeleken met de werkelijke testresultaten van standaard laboratoriummethoden.
Deelnemers zullen:
Toestaan dat hun pathologiebeelden en moleculaire testresultaten voor onderzoek worden gebruikt.
Geen aanvullende behandelingen of procedures krijgen buiten de standaard medische zorg om.
Deze studie zal helpen bepalen of AI-gestuurde tools snellere en goedkopere moleculaire diagnostiek voor gliomen kunnen bieden, wat de patiëntenzorg verbetert en gelijke toegang tot precisiegeneeskunde ondersteunt.
Studie Overzicht
Toestand
Conditie
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: DANYI LI
- Telefoonnummer: +8613538308634
- E-mail: lidanyi26@163.com
Studie Locaties
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510515
- Werving
- Nanfang Hospital, Southern Medical University
-
Contact:
- Li Liang
- Telefoonnummer: +8615989146266
- E-mail: lli@smu.edu.cn
-
Contact:
- DANYI LI
- Telefoonnummer: +8613538308634
- E-mail: lidanyi26@163.com
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Deze studie omvat volwassen deelnemers (18 jaar of ouder) bij wie op basis van een biopsie of chirurgische resectie diffuse glioma is vastgesteld of wordt vermoed. Deelnemers moeten beschikken over hematoxyline- en eosine (H&E)-gekleurde digitale pathologiepreparaten en volledige klinische en moleculaire testgegevens.
Alle deelnemers zijn patiënten die standaard medische zorg voor glioma hebben ontvangen. Er worden geen aanvullende behandelingen of interventies uitgevoerd als onderdeel van deze studie. Pathologiebeelden en moleculaire testresultaten worden prospectief verzameld van meerdere klinische centra om de diagnostische prestaties van het AI-gebaseerde pathologiemodel te evalueren.
Beschrijving
Inclusiecriteria:
- Deelnemer (of wettelijk gemachtigde vertegenwoordiger) heeft vrijwillig het geïnformeerde toestemmingsformulier ondertekend.
- Leeftijd ≥ 18 jaar op het moment van inschrijving.
- Histologisch vermoeden van diffuus glioom op basis van biopsie of chirurgische resectie.
- Beschikbaarheid van volledige klinische informatie en bruikbare digitale pathologiepreparaten met hematoxyline en eosine (H&E)-kleuring.
- Postoperatieve moleculaire pathologie resultaten beschikbaar voor vergelijking.
Exclusiecriteria:
- Pathologie monsters van slechte kwaliteit (bijv. onvoldoende weefsel, grote vouwen of contaminatie van preparaten, of ondermaatse digitale scan kwaliteit).
- Naar het oordeel van de onderzoeker om welke reden dan ook ongeschikt om deel te nemen aan het onderzoek.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van AI-model bij het voorspellen van belangrijke moleculaire veranderingen in glioom
Tijdsspanne: Binnen 1 week nadat whole slide images (WSI's) zijn verkregen
|
Het primaire eindpunt is de diagnostische prestatie van het op AI gebaseerde pathologiemodel bij het voorspellen van belangrijke moleculaire veranderingen in glioom.
Nauwkeurigheid, gevoeligheid, specificiteit en het gebied onder de receiver operating characteristic curve (AUC) worden berekend door de AI-voorspellingen te vergelijken met referentieresultaten van standaard moleculaire pathologietesten.
|
Binnen 1 week nadat whole slide images (WSI's) zijn verkregen
|
Medewerkers en onderzoekers
Onderzoekers
- Studie directeur: Li Liang, Nanfang Hospital, Southern Medical University
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Geschat)
Updates van studierecords
Laatste update geplaatst (Geschat)
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
- NFEC-2025-508
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 .