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

Kunstig intelligens og kreftstadie i øvre gastrointestinale maligniteter

25. januar 2024 oppdatert av: Sebahattin Celik MD

For å undersøke den prediktive effektiviteten av iscenesettelse ved å behandle tomografibilder i øsofagus- og magekreft

Spiserørs- og magekreft, som utgjør kreft i den øvre delen av fordøyelsessystemet, er kreftformer som ofte observeres, og som dessverre har en lav grad av helbredede pasienter. I disse tilfellene er kreftstadiet ved diagnose svært viktig av to grunner; For det første er kreftstadiet direkte relatert til overlevelsestiden. For det andre planlegges behandling i henhold til stadiet. Ulike behandlinger brukes på pasienter i ulike stadier. Foreløpig er TNM-stadiesystemet (tumor, lymfeknute og metastaser) det aksepterte over hele verden. Til tross for mange avanserte teknologiverktøy som brukes i iscenesettelse (Computed Tomography, Magnetic Resonance Imaging, Endoscopic Ultrasonography), er det fortsatt vanskeligheter med korrekt iscenesettelse før operasjon eller før-etter neoadjuvant terapi. Kunstig intelligens-teknikker brukes i økende grad innen helse, spesielt i diagnostisering og behandling av kreft. Innhenting av kreftdetaljer i radiologiske bilder, som ikke kan legges merke til av det menneskelige øyet, ved å analysere store data ved hjelp av algoritmer, ga opphav til bruksområdet "radiomik". Det opplyses at med Radiomics vil det være forbedringer i både diagnostisering og stadieinndeling av kreftformer og følgelig i behandlingen. Mens det finnes studier på bruk av endoskopiske metoder med kunstig intelligens for tidlig diagnose av kreft i spiserøret, har et begrenset antall studier blitt utført på stadieestimering fra radiologiske bilder. Spesielt er det ikke nok studier på undersøkelse av endringer i tumorstørrelse etter kjemoterapi med kunstig intelligens og estimering av stadieinndeling. I denne studien var det sikte på å undersøke den prediktive effektiviteten av iscenesettelse og nøyaktigheten av algoritmen utviklet med kunstig intelligens ved å behandle tomografibilder i en region der kreft i spiserøret er endemisk som et primært resultat, og å evaluere dødeligheten, sykelighet etter behandling. rater og komplikasjonsrater hos pasientene som et sekundært resultat.

Studieoversikt

Status

Rekruttering

Forhold

Studietype

Observasjonsmessig

Registrering (Antatt)

200

Kontakter og plasseringer

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

Studiekontakt

  • Navn: sebahattin celik, associate professor
  • Telefonnummer: 00905057057957
  • E-post: scelik@yyu.edu.tr

Studiesteder

      • VAN, Tyrkia, 65
        • Rekruttering
        • Van YUZUNCU YIL UNIVERSITY
        • Ta kontakt med:
          • sebahattin celik, associate professor
          • Telefonnummer: 00905057057957
          • E-post: scelik@yyu.edu.tr

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

18 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

N/A

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

kreftpasienter i spiserøret og magen over 18 år diagnostisert ved 2 sentre i van turkey, Van Training and Research Hospital og Van Yuzuncu Yıl University.

Beskrivelse

Inklusjonskriterier:

  1. Å bli diagnostisert med kreft i spiserøret (adenokarsinom eller plateepitelkreft)
  2. Å være over 18 år
  3. Å ha et tomografibilde før eller etter kjemoterapi.
  4. Gi informert samtykke til å delta i studien.
  5. Å ha siste patologisk stadie etter operasjonen.

Ekskluderingskriterier:

  1. Tidligere thoraxkirurgi.
  2. Å ha en tilbakevendende svulst
  3. Manglende evne til å utføre klinisk iscenesettelse på grunn av tekniske årsaker
  4. Tegninger kan ikke lages på grunn av dårlig tomografikvalitet.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: Kohort
  • Tidsperspektiver: Potensielle

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Kunstig intelligenss følsomhet og nøyaktighet for å forutsi kreftstadiet
Tidsramme: 1 år
å undersøke den prediktive effektiviteten til iscenesettelse og nøyaktigheten til algoritmen utviklet med kunstig intelligens ved å behandle tomografibilder i et område der kreft i spiserøret er endemisk
1 år

Sekundære resultatmål

Resultatmål
Tidsramme
å evaluere dødeligheten, sykelighetsraten og komplikasjonsraten til pasientene etter behandling
Tidsramme: 1 år
1 år

Samarbeidspartnere og etterforskere

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

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)

15. desember 2022

Primær fullføring (Antatt)

1. juni 2024

Studiet fullført (Antatt)

1. juli 2024

Datoer for studieregistrering

Først innsendt

4. desember 2022

Først innsendt som oppfylte QC-kriteriene

4. desember 2022

Først lagt ut (Faktiske)

13. desember 2022

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

26. januar 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

25. januar 2024

Sist bekreftet

1. januar 2024

Mer informasjon

Begreper knyttet til denne studien

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. .

Kliniske studier på Mage-tarmkreft

3
Abonnere