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

DeepComp voor Voorspelling van Postoperatieve Complicaties bij Maagkanker (DeepComp-Prospectief)

6 april 2026 bijgewerkt door: Qun Zhao

Een prospectieve, multicenter, observationele studie die het multimodale deep learning radiomics-model (DeepComp) valideert voor de preoperatieve voorspelling van belangrijke postoperatieve complicaties bij patiënten met maagkanker

Maagkanker is een belangrijke oorzaak van kankersterfte, en radicale chirurgie blijft de primaire behandeling. Postoperatieve complicaties komen echter vaak voor en kunnen het herstel en de kwaliteit van leven van patiënten aanzienlijk beïnvloeden. Momenteel beschikken artsen niet over nauwkeurige instrumenten om voorafgaand aan de operatie exact te voorspellen welke patiënten een hoog risico lopen op ernstige complicaties.

Deze studie heeft tot doel een nieuw kunstmatige intelligentie (AI)-model genaamd "DeepComp" te valideren. Het DeepComp-model integreert klinische gegevens met geavanceerde radiomische kenmerken afgeleid van routinematige preoperatieve CT-scans. Specifiek analyseert het zowel de tumorkenmerken als de lichaamssamenstelling van de patiënt (inclusief skeletspieren en vetverdeling) om de fysiologische reserve te beoordelen.

In deze prospectieve, multicenter observationele studie zullen onderzoekers patiënten inschrijven die zijn gepland voor maagkankerchirurgie in vijf medische centra. Het DeepComp-model zal worden gebruikt om het risico op matige tot ernstige postoperatieve complicaties (Clavien-Dindo graad II of hoger) te voorspellen. Deze voorspellingen zullen vervolgens worden vergeleken met de daadwerkelijke klinische uitkomsten die 30 dagen na de operatie worden waargenomen. Het doel is om de nauwkeurigheid en betrouwbaarheid van het DeepComp-model in een realistische klinische setting te bepalen, wat mogelijk een krachtig hulpmiddel kan bieden voor gepersonaliseerde chirurgische risicobeoordeling.

Studie Overzicht

Toestand

Werving

Conditie

Studietype

Observationeel

Inschrijving (Geschat)

500

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 Contact Back-up

Studie Locaties

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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Volwassen patiënten bij wie potentieel reseceerbaar maagkanker is vastgesteld en die worden opgenomen in de deelnemende centra voor chirurgische behandeling.

Beschrijving

Inclusiecriteria:

Leeftijd ≥ 18 jaar.

Histologisch bevestigd maagadenocarcinoom.

Gepland voor electieve radicale gastrectomie (open, laparoscopisch of robotgeassisteerd) met curatieve intentie.

Standaard preoperatieve contrastversterkte abdominale CT-scans (veneuze fase) uitgevoerd binnen 14 dagen voor de operatie.

Bereidheid om geïnformeerde toestemming te ondertekenen.

Exclusiecriteria:

Spoedoperatie vanwege perforatie, obstructie of massale bloeding.

Intraoperatieve bevindingen van metastasen op afstand (stadium IV) of niet-resectabele ziekte die R0-resectie verhindert.

Gelijktijdige of eerdere kwaadaardige tumoren in de afgelopen 5 jaar (met uitzondering van maagkanker).

Zwangerschap of lactatie.

Ernstige metalen artefacten op CT-beelden die radiomische analyse verhinderen.

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
Cohort Maagkankerchirurgie
Patiënten bij wie maagkanker is vastgesteld en die gepland staan voor een radicale gastrectomie (open, laparoscopisch of robotondersteund). Alle deelnemers zullen standaard preoperatieve contrastversterkte CT-scans ondergaan. Het DeepComp AI-model zal op deze scans worden toegepast om het risico op postoperatieve complicaties te voorspellen.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Incidentie van Grote Postoperatieve Complicaties (Clavien-Dindo Graad ≥ II)
Tijdsspanne: Postoperatieve 30 dagen
Postoperatieve complicaties zullen worden gegradeerd volgens het Clavien-Dindo-classificatiesysteem. Ernstige complicaties worden gedefinieerd als Graad II of hoger, waarvoor farmacologische behandeling, chirurgische/endoscopische/radiologische interventie, of levensbedreigende complicaties (inclusief overlijden) nodig zijn. Het optreden van deze gebeurtenissen zal worden geregistreerd en vergeleken met de preoperatieve voorspellingen van het model.
Postoperatieve 30 dagen
Human-AI Collaboratieve Diagnostische Prestatie bij Maagkankerchirurgie: Nauwkeurigheid en Waarnemersovereenkomst
Tijdsspanne: Van preoperatieve beoordeling tot 30 dagen na de operatie
In een subgroep van 120 willekeurig geselecteerde patiënten die een maagkankeroperatie ondergingen, zullen tien chirurgen met verschillende ervaringsniveaus (Junior <5 jaar, n=4; Intermediate 5-10 jaar, n=3; Senior ≥10 jaar, n=3) eerst onafhankelijk het risico op postoperatieve complicaties beoordelen met behulp van geblindeerde preoperatieve gegevens. Vervolgens ontvangen zij voorspellingen van het DeepComp AI-model en zullen zij hun beoordelingen bijwerken.
Van preoperatieve beoordeling tot 30 dagen na de operatie

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Predictieve Prestatie van het DeepComp Model (AUC)
Tijdsspanne: Postoperatief 30 dagen
De discriminatieprestatie van het DeepComp-model bij het voorspellen van grote postoperatieve complicaties zal worden geëvalueerd met behulp van de Oppervlakte Onder de Receiver Operating Characteristic Curve (AUC). Tevens zullen gevoeligheid, specificiteit, positief voorspellende waarde en negatief voorspellende waarde worden berekend.
Postoperatief 30 dagen
Lengte van het ziekenhuisverblijf
Tijdsspanne: Tot 30 dagen
Gedefinieerd als het aantal dagen vanaf de operatie tot ontslag.
Tot 30 dagen

Medewerkers en onderzoekers

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

Sponsor

Qun Zhao

Onderzoekers

  • Hoofdonderzoeker: Qun Zhao, th

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 maart 2026

Primaire voltooiing (Geschat)

1 mei 2026

Studie voltooiing (Geschat)

1 mei 2026

Studieregistratiedata

Eerst ingediend

3 februari 2026

Eerst ingediend dat voldeed aan de QC-criteria

3 februari 2026

Eerst geplaatst (Werkelijk)

10 februari 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

9 april 2026

Laatste update ingediend die voldeed aan QC-criteria

6 april 2026

Laatst geverifieerd

1 april 2026

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • DeepComp-Pro-001

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