Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

MR-basert overlevelsesprediksjon av gliompasienter som bruker kunstig intelligens

5. februar 2021 oppdatert av: Zhenyu Zhang, The First Affiliated Hospital of Zhengzhou University

MR-basert overlevelsesprediksjon for pasienter med primærgliom Ssing Deep Learning eller Machine Learning

Dette registeret tar sikte på å samle inn kliniske, molekylære og radiologiske data, inkludert detaljerte overlevelsesdata, kliniske parametere, molekylær patologi (1p/19q-kodelesjon, MGMT-metylering, IDH- og TERTp-mutasjoner, etc) og konvensjonelle/avanserte/nye MR-sekvenser (T1, T1c, T2, FLAIR, ADC, DTI, PWI, etc) hos pasienter med primære gliomer. Ved å utnytte kunstig intelligens vil dette registeret søke å konstruere og foredle algoritmer som kan forutsi pasientenes overlevelse innenfor rammen av molekylær patologi eller undergrupper av gliomer.

Studieoversikt

Status

Rekruttering

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Ikke-invasiv og presis prediksjon for overlevelse av gliompasienter er utfordrende. Med utviklingen av kunstig intelligens ligger mye mer potensial i preoperativ konvensjonell/avansert MR-avbildning (T1-vektet avbildning, T2-vektet avbildning, FLAIR, kontrastforsterket T1-vektet avbildning, diffusjonsvektet avbildning og perfusjonsavbildning) hjelpe prediksjon av pasientenes prognose innenfor rammen av molekylær patologi av gliomer. Opprettelsen av et register for primært gliom med detaljerte overlevelsesdata, molekylær patologi, radiologiske data og med tilstrekkelig utvalgsstørrelse for dyp læring (>1000) gir muligheter for personlig prediksjon av overlevelse av gliompasienter med ikke-invasivitet og presisjon.

Studietype

Observasjonsmessig

Registrering (Forventet)

2500

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studiesteder

  • Kina
    • Henan
      • Zhengzhou, Henan, Kina, 450052
        • Rekruttering
        • Department of Neurosurgery, First Affiliated Hospital of Zhengzhou University
        • Ta kontakt med:

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

1 år til 90 år (Barn, Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Pasienter med nydiagnostisert gliom som får tumorreseksjon med forventet levealder over 3 måneder

Beskrivelse

Inklusjonskriterier:

  • Pasienter må ha radiologisk og histologisk bekreftet diagnose av primært gliom
  • Forventet levetid på mer enn 3 måneder
  • Må få tumorreseksjon
  • Signert informert samtykke

Ekskluderingskriterier:

  • Ingen gliomer
  • Ingen tilstrekkelig mengde tumorvev for påvisning av molekylær patologi
  • Pasienter som har en hvilken som helst type bioimplantat aktivert av mekaniske, elektroniske eller magnetiske enheter
  • Pasienter som er gravide eller ammer
  • Pasienter som lider av alvorlige systematiske feil

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: Kohort
  • Tidsperspektiver: Retrospektiv

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
AUC for overlevelsesprediksjon
Tidsramme: opptil 10 år
AUC for overlevelsesprediksjon ytelse=sensitivitet+spesifisitet-1
opptil 10 år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

The First Affiliated Hospital of Zhengzhou University

Samarbeidspartnere

Sun Yat-sen University

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. januar 2017

Primær fullføring (Forventet)

1. januar 2027

Studiet fullført (Forventet)

1. juni 2027

Datoer for studieregistrering

Først innsendt

30. desember 2019

Først innsendt som oppfylte QC-kriteriene

30. desember 2019

Først lagt ut (Faktiske)

2. januar 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

8. februar 2021

Siste oppdatering sendt inn som oppfylte QC-kriteriene

5. februar 2021

Sist bekreftet

1. februar 2021

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • GliomaAI-2

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

Ubestemt

IPD-planbeskrivelse

Ubestemt

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere