- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05816902
AI-prediksjonsmodell og risikostratifisering for lungemetastaser ved tykktarmskreft
Utvikling og validering av en prediksjonsmodell for kunstig intelligens og en overlevelsesrisikostratifisering for lungemetastaser i tykktarmskreft fra svært ubalanserte data
Bakgrunn:
For å hjelpe klinikere med diagnose og optimal behandlingsbeslutning, forsøkte vi å utvikle og validere en prediksjonsmodell for kunstig intelligens for lungemetastase (LM) hos pasienter med kolorektal kreft (CRC).
Metode:
De klinisk-patologiske egenskapene til 46037 CRC-pasienter fra Surveillance, Epidemiology, and End Results (SEER)-databasen og 2779 CRC-pasienter fra et multisenter eksternt valideringssett ble samlet inn retrospektivt. Etter funksjonsvalg ved univariate og multivariate analyser, ble seks modeller for maskinlæring (ML), inkludert logistisk regresjon, K-nærmeste nabo, støttevektormaskin, beslutningstre, tilfeldig skog og balansert tilfeldig skog (BRF), utviklet og validert for LM-prediksjon. Optimaliseringsmodellen med best ytelse ble sammenlignet med den kliniske prediktoren. I tillegg ble stratifiserte LM-pasienter etter risikoscore brukt for overlevelsesanalyse.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Studietype
Registrering (Faktiske)
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- pasienter med patologisk bekreftelse på en primær CRC-diagnose
Ekskluderingskriterier:
- (1) pasienter med flere primære kreftformer eller andre maligniteter; (2) pasienter identifisert via obduksjon eller dødsattest; og (3) pasienter med usikre kliniske dataverdier
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
valideringssett 1
Valideringssettet 1 besto av pasienter med CRC diagnostisert og behandlet mellom 1. januar 2016 og 31. desember 2020, ved Cancer Hospital Chinese Academy of Medical Sciences og Peking Union Medical College.
|
Plasseringen av pasientens behandling
|
|
valideringssett 2
Valideringssett 2 besto av pasienter med CRC diagnostisert og behandlet mellom 1. januar 2016 og 31. desember 2020, ved det andre tilknyttede sykehuset ved Harbin Medical University.
|
Plasseringen av pasientens behandling
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
lungemetastase
Tidsramme: gjennom studiegjennomføring, gjennomsnittlig 3 måneder
|
diagnostisert med lungemetastase
|
gjennom studiegjennomføring, gjennomsnittlig 3 måneder
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
- Sykdommer i fordøyelsessystemet
- Patologiske prosesser
- Sykdommer i luftveiene
- Neoplasmer
- Lungesykdommer
- Neoplasmer etter nettsted
- Gastrointestinale neoplasmer
- Neoplasmer i fordøyelsessystemet
- Gastrointestinale sykdommer
- Neoplasmer i luftveiene
- Thoracale neoplasmer
- Kolonsykdommer
- Tarmsykdommer
- Intestinale neoplasmer
- Rektale sykdommer
- Neoplastiske prosesser
- Lungeneoplasmer
- Kolorektale neoplasmer
- Neoplasma Metastase
Andre studie-ID-numre
- PekingUMC02
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .