AI-based Prediction of Prostate Cancer Metastasis Using Biopsy Pathology
Development and Validation of an AI-Based Metastasis Prediction Model Using Prostate Cancer Biopsy Pathology
This observational study aims to develop and validate an artificial intelligence-based model using prostate cancer biopsy pathology to predict lymph node metastasis and distant metastasis in patients with prostate cancer. The main questions it aims to answer are:
Can artificial intelligence-assisted analysis of prostate cancer biopsy pathology accurately predict lymph node metastasis? Can the model accurately predict distant metastasis and assess metastatic risk in patients with prostate cancer?
Researchers aim to evaluate whether the model can provide additional information for clinical decision-making and surgical planning.
Participants will:
Provide prostate biopsy pathology specimens and related clinical information; Undergo assessment of lymph node and distant metastatic status based on clinical and imaging data; Be included in the development and validation of the artificial intelligence prediction model.
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
Hunan
-
Changsha, Hunan, China, 410008
- Xiangya Hospital, Central South University
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusion Criteria:
- Male patients aged between 18 and 90 years; Patients who underwent prostate biopsy due to elevated prostate-specific antigen (PSA), abnormal digital rectal examination (DRE), or abnormal imaging findings, were pathologically diagnosed with prostate cancer, and had available prostate biopsy pathology specimens; Patients who underwent radical prostatectomy with extended pelvic lymph node dissection (ePLND) or pelvic lymph node dissection (PLND), with definitive pathological information regarding lymph node metastasis; Patients who underwent PSMA PET/CT, MRI, bone scintigraphy, or prostate MRI capable of identifying regional lymph node metastasis or distant metastasis; Adequate cardiac, pulmonary, hepatic, and renal function; Eastern Cooperative Oncology Group (ECOG) performance status of 0-1; Expected survival time greater than 1 year; Written informed consent signed by the patient or legally authorized representative.
Exclusion Criteria:
- History of other malignancies; Severe dysfunction of major organs, including cardiac, pulmonary, hepatic, or renal insufficiency, or an expected survival time of less than 1 year; Prostate biopsy pathology specimens with inadequate whole-slide image scanning quality or failure of quality control assessment; Patients with prostate cancer diagnosed from transurethral resection specimens.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Prostate Cancer Cohort
Patients with prostate cancer undergoing biopsy pathology assessment for development and validation of an AI-based metastasis prediction model.
|
Artificial intelligence-assisted analysis of prostate cancer biopsy pathology specimens for prediction of lymph node and distant metastasis risk.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Prediction of Regional Lymph Node Metastasis
Tijdsspanne: Baseline
|
Assessment of the ability of the artificial intelligence-based model using prostate cancer biopsy pathology to predict regional lymph node metastasis.
|
Baseline
|
Medewerkers en onderzoekers
Onderzoekers
- Hoofdonderzoeker: Yi Cai, Xiangya Hospital Central South University Department of Urology
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 (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- 2026010083_4
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
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 .