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

AI-gebaseerde voorspelling van levermetastasen bij colorectale kanker (een retrospectieve studie)

9 februari 2026 bijgewerkt door: Wan-Guang Zhang, Tongji Hospital

Een multicenter, retrospectief, observationeel onderzoek om een multimodaal deep learning-model te ontwikkelen en valideren voor het voorspellen van metachrone levermetastasen bij patiënten met colorectale kanker na curatieve resectie

Deze multicenter, retrospectieve studie heeft als doel een multimodaal deep learning-model te ontwikkelen en te valideren voor het voorspellen van het risico op metachrone levermetastasen bij patiënten met stadium I-III colorectale kanker na curatieve resectie. Het model zal preoperatieve contrastverbeterde CT-beelden, gedigitaliseerde histopathologische whole-slide afbeeldingen en standaard klinisch-pathologische gegevens integreren.

Het primaire doel is het beoordelen van het discriminerend vermogen van het model, gemeten aan de hand van de oppervlakte onder de receiver operating characteristic curve (AUC), en het vergelijken van de voorspellende nauwkeurigheid ervan met traditionele prognostische factoren zoals TNM-stadiëring en serum carcino-embryonaal antigeengehaltes. Dit onderzoek maakt gebruik van bestaande archiefgegevens; er is geen direct contact met patiënten of interventie betrokken. Het uiteindelijke doel is het bieden van een robuust, data-gedreven instrument voor verbeterde risicostratificatie, dat mogelijk toekomstige gepersonaliseerde surveillancestrategieën en beslissingen over adjuvante therapie kan sturen.

Studie Overzicht

Studietype

Observationeel

Inschrijving (Geschat)

1500

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

    • Hubei
      • Wuhan, Hubei, China
        • Werving
        • Tongji Hospital
        • 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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Volwassen patiënten (leeftijd 18-75 jaar) met stadium I-III primair colorectaal carcinoom die tussen 2015 en 2025 een curatieve resectie ondergingen in deelnemende medische centra, en voor wie volledige preoperatieve beeldvorming, postoperatieve pathologische gegevens en follow-up dossiers beschikbaar zijn voor retrospectieve analyse.

Beschrijving

Insluitingscriteria:

  • Leeftijd 18-75 jaar, elk geslacht.
  • Histologisch bevestigd primair colon- of rectumadenocarcinoom.
  • Curatieve radicale resectie (R0-resectie) ondergaan voor colorectale kanker.
  • Preoperatieve contrastversterkte abdominale/pelvische CT-scan uitgevoerd binnen 1 maand voor de operatie, met acceptabele beeldkwaliteit.
  • Geen bewijs van uitzaaiingen op afstand (inclusief synchrone levermetastasen) bij preoperatief of intraoperatief onderzoek.

Uitsluitingscriteria:

  • Geschiedenis van andere kwaadaardige tumoren.
  • Eerdere geschiedenis van leverchirurgie of levertransplantatie.
  • Ontbrekende klinische, beeldvormende of pathologische gegevens die voor de studie vereist zijn.
  • Overlijden in de perioperatieve periode (binnen 30 dagen na de operatie).
  • Gebrek aan regelmatige follow-upinformatie.

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
Colorectale Kanker Resectie Cohort
Een retrospectieve cohort van volwassen patiënten (leeftijd 18-75) met stadium I-III primair colorectaal adenocarcinoom die een curatieve (R0) resectie ondergingen. Dit cohort is gedefinieerd met als doel het ontwikkelen en valideren van een multimodaal deep learning-model om het risico op metachrone levermetastasen te voorspellen. Alle gegevens, inclusief preoperatieve contrastversterkte CT-scans, postoperatieve gedigitaliseerde pathologiepreparaten en klinische dossiers, werden retrospectief verzameld uit de routinematige klinische praktijk. Er werden geen interventies uitgevoerd als onderdeel van deze studie.
Dit is een niet-interventionele studie. De primaire studieprocedure is de toepassing van een multimodaal deep learning-model om bestaande klinische gegevens (contrastversterkte CT-beelden, gedigitaliseerde pathologiepreparaten en gestructureerde klinische variabelen) retrospectief te analyseren met als doel het voorspellen van het risico op metachrone levermetastasen. Er worden geen therapeutische of diagnostische interventies uitgevoerd bij deelnemers als onderdeel van dit onderzoeksprotocol.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Area Under the Receiver Operating Characteristic Curve (AUC)
Tijdsspanne: tot 3 jaar
De discriminerende prestaties van het multimodale deep learning-model voor het voorspellen van het 3-jaarsrisico op metachrone levermetastase. Het model integreert preoperatieve contrastverbeterde CT-beelden, gedigitaliseerde whole-slide pathologiebeelden en klinische gegevens. De AUC wordt berekend op de onafhankelijke testset die buiten beschouwing is gelaten. De beoordeling is gebaseerd op gegevens verzameld vanaf de datum van curatieve chirurgie (baseline) tot de datum van de eerste beeldvormingsbevestigde levermetastase of de laatste follow-up.
tot 3 jaar

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Leven zonder levermetastasen (LMFS) per risicogroep
Tijdsspanne: tot 3 jaar
Het verschil in levermetastase-vrije overleving tussen de hoogrisico- en laagrisicogroepen zoals gestratificeerd door het multimodale model. LMFS wordt gedefinieerd als de tijd vanaf de operatie tot de eerste radiologische diagnose van levermetastase. Vanaf de datum van de operatie tot de datum van de eerste gedocumenteerde levermetastase of laatste follow-up.
tot 3 jaar

Medewerkers en onderzoekers

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

Sponsor

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 2015

Primaire voltooiing (Werkelijk)

30 januari 2026

Studie voltooiing (Geschat)

30 januari 2026

Studieregistratiedata

Eerst ingediend

30 januari 2026

Eerst ingediend dat voldeed aan de QC-criteria

9 februari 2026

Eerst geplaatst (Werkelijk)

10 februari 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

10 februari 2026

Laatste update ingediend die voldeed aan QC-criteria

9 februari 2026

Laatst geverifieerd

1 januari 2026

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • TJ-IRB202512239

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

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