- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05096533
Bruksverdien av kunstig intelligens i MR-presisjonsdiagnose og behandling av blærekreft
19. oktober 2021 oppdatert av: The First Affiliated Hospital with Nanjing Medical University
Prospektiv multisenter klinisk studie om bruksverdien av kunstig intelligens i MR presisjonsdiagnose og behandling av blærekreft
Denne studien var en prospektiv, multisenter observasjons-klinisk studie. Totalt 150 pasienter med malign blære-svulst som ble innlagt på urologisk avdeling på hvert senter for behandling og gjennomgikk elektrisk reseksjon eller radikal cystektomi, var planlagt å bli registrert.
For å analysere sensitiviteten, spesifisiteten og nøyaktigheten til kunstig intelligens i å forutsi postoperativ patologisk stadie, ble pasienter som kom inn i gruppen fulgt opp i 3 år, deretter analyserte vi korrelasjonen mellom prediksjonsresultater for kunstig intelligens og pasient OS PFS RFS.
Det ble foreløpig verifisert at resultatene av den kunstige intelligensmodellen har potensial til å forutsi prognosen for pasienter med blærekreft.
Studieoversikt
Status
Rekruttering
Forhold
Detaljert beskrivelse
Foreløpig forskning: Denne forskningen er tverrfaglig felles forskning ved å kombinere kunstig intelligens med magnetisk resonans, den kan gjøre den preoperative bestemmelsen av blærekreftstadiet mer nøyaktig og veileder klinikerens behandlingsplan.
For tiden er det konstruert en kunstig intelligensmodell basert på preoperative magnetiske resonansbilder for å forutsi iscenesettelse og pasientprognose.
Vi bygget en iscenesettelsesprediksjonsmodell gjennom dypt læringsnettverk for kunstig intelligens, og samlet inn magnetisk resonansbildedata og relaterte postoperative patologiske data fra pasienter, etterpå fulgte vi 576 pasienter på grunnlag av iscenesettelsesmodellkonstruksjon.
Ved å skaffe OS, PFS og RFS for pasienter ble en del tilfeldig valgt som et treningssett for opplæring av dyplæringsnettverksmodellen.
Den andre delen brukes som et testsett for å verifisere nøyaktigheten.
Denne studien var en prospektiv, multisenter observasjons-klinisk studie. Totalt 150 pasienter med malign blære-svulst som ble innlagt på urologisk avdeling på hvert senter for behandling og gjennomgikk elektrisk reseksjon eller radikal cystektomi, var planlagt å bli registrert.
For å analysere sensitiviteten, spesifisiteten og nøyaktigheten til kunstig intelligens i å forutsi postoperativ patologisk stadie, ble pasienter som kom inn i gruppen fulgt opp i 3 år, deretter analyserte vi korrelasjonen mellom prediksjonsresultater for kunstig intelligens og pasient OS PFS RFS.
Det ble foreløpig verifisert at resultatene av den kunstige intelligensmodellen har potensial til å forutsi prognosen for pasienter med blærekreft.
Studietype
Observasjonsmessig
Registrering (Forventet)
150
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Jiangsu
-
Nanjing, Jiangsu, Kina, 210000
- Rekruttering
- the First Affiliated Hospital of Nanjing Medical University
-
Ta kontakt med:
- Qiang Lu
- Telefonnummer: 13505196501
- E-post: dxhlvqiang@163.com
-
-
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
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Pasienter får MR ved hvert studiesenter og gjennomgår operasjonen.
Beskrivelse
Inklusjonskriterier:
- Preoperativ undersøkelse ber pasienten om å være blærekreft;
- Det er ingen begrensning på kjønn;
- alderen 18 år eller eldre;
- Kan gi preoperative MR-bilder;
- Godta å gi personlig grunnleggende klinisk informasjon og patologiske data og bildedata for vitenskapelig forskning, og signere informert samtykke;
- Godta å gi overvåkingsresultater under oppfølgingsovervåking for tilbakefall.
Ekskluderingskriterier:
- Pasienten var ikke i stand til å gi preoperative MR-bilder, inkludert MR-bilder etter neoadjuvant terapi og før operasjon;
- Pasienter med ufullstendig patologisk informasjon om prøver var ikke i stand til å gi nøyaktig informasjon om iscenesettelse og gradering;
- Pasienter kan ikke opereres på grunn av egne årsaker: alvorlig hjertesvikt, akutt hjerteinfarkt, alvorlige hjerte- og lungesykdommer osv., de tåler ikke normal kirurgisk behandling;
- Pasienter som nylig hadde gjennomgått kirurgi (f.eks. TURBT) før MR-undersøkelse;
- Forskeren mener det er noen forhold som kan svekke emnet eller føre til at emnet ikke oppfyller eller utfører studiekrav;
- Pasienter som ikke kan gi skriftlig informert samtykke.
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Å utforske bruksverdien av kunstig intelligens i presis diagnose og behandling av blæresvulst, og å forbedre nøyaktigheten av MR-diagnose av blærekreftstadium og -grad gjennom kunstig intelligens.
Tidsramme: 1 år
|
2、Gjennom konkordansanalyse av diagnoseresultater med kunstig intelligens med gullstandardresultater for kirurgi, sensitivitet, spesifisitet, positiv prediktiv verdi (PPV), negativ prediktiv verdi (NPV) av kunstig intelligensdiagnose før operasjonen.
|
1 år
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
Total overlevelse
Tidsramme: 3 år etter operasjonen
|
Korrelasjonen mellom kunstig intelligensmodell og OS hos blærekreftpasienter ble analysert for å foreløpig verifisere den potensielle evnen til kunstig intelligensmodellresultater til å forutsi prognosen for blærekreftpasienter.
|
3 år etter operasjonen
|
Andre resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
---|---|---|
gjentaksfri overlevelse
Tidsramme: 3 år etter operasjonen
|
Korrelasjonen mellom kunstig intelligensmodell og RFS hos blærekreftpasienter ble analysert for å foreløpig verifisere den potensielle evnen til kunstig intelligensmodellresultater til å forutsi prognosen for blærekreftpasienter.
|
3 år etter operasjonen
|
progresjonsfri overlevelse
Tidsramme: 3 år etter operasjonen
|
Korrelasjonen mellom kunstig intelligensmodell og PFS hos blærekreftpasienter ble analysert for å foreløpig verifisere den potensielle evnen til kunstig intelligensmodellresultater til å forutsi prognosen for blærekreftpasienter.
|
3 år etter operasjonen
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Samarbeidspartnere
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Panebianco V, Narumi Y, Altun E, Bochner BH, Efstathiou JA, Hafeez S, Huddart R, Kennish S, Lerner S, Montironi R, Muglia VF, Salomon G, Thomas S, Vargas HA, Witjes JA, Takeuchi M, Barentsz J, Catto JWF. Multiparametric Magnetic Resonance Imaging for Bladder Cancer: Development of VI-RADS (Vesical Imaging-Reporting And Data System). Eur Urol. 2018 Sep;74(3):294-306. doi: 10.1016/j.eururo.2018.04.029. Epub 2018 May 10.
- Wang H, Luo C, Zhang F, Guan J, Li S, Yao H, Chen J, Luo J, Chen L, Guo Y. Multiparametric MRI for Bladder Cancer: Validation of VI-RADS for the Detection of Detrusor Muscle Invasion. Radiology. 2019 Jun;291(3):668-674. doi: 10.1148/radiol.2019182506. Epub 2019 Apr 23.
- Suarez-Ibarrola R, Hein S, Reis G, Gratzke C, Miernik A. Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer. World J Urol. 2020 Oct;38(10):2329-2347. doi: 10.1007/s00345-019-03000-5. Epub 2019 Nov 5.
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 2021
Primær fullføring (Forventet)
1. mai 2022
Studiet fullført (Forventet)
1. januar 2023
Datoer for studieregistrering
Først innsendt
7. oktober 2021
Først innsendt som oppfylte QC-kriteriene
19. oktober 2021
Først lagt ut (Faktiske)
27. oktober 2021
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
27. oktober 2021
Siste oppdatering sendt inn som oppfylte QC-kriteriene
19. oktober 2021
Sist bekreftet
1. oktober 2021
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2021-SR-409
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
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. .