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

Nye søknader om sarkomvurdering (NASA)

9. april 2026 oppdatert av: The Leeds Teaching Hospitals NHS Trust

Denne forskningen tar sikte på å forbedre måten å avgjøre om en klump i bløtvev som fett eller muskler er en type kreft som kalles bløtvevssarkom, eller om den er godartet (ikke-kreft). For å gjøre dette vil etterforskerne bruke rutinemessige kliniske MR-skanninger, ytterligere kvantitative MR-skanninger og kunstig intelligens.

Målene med denne forskningen er:

Å utvikle AI-algoritmer som nøyaktig kan klassifisere bløtvevsmasser som godartede eller ondartede ved hjelp av rutinemessige og kvantitative MR-bilder.

Å klassifisere maligne bløtvevsmasser i deres patologiske karakter. Sammenlign forskjellige AI-modeller på eksterne, usynlige testsett for å finne ut hvilke som gir best ytelse.

Deltakerne vil bli spurt om de kan bruke opptil maks 10 ekstra minutter i en MR-skanner slik at de ekstra bildene kan hentes. En liten undergruppe av deltakere vil bli invitert tilbake slik at etterforskerne kan sjekke reproduserbarheten til bildene og AI-programvaren.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Denne forskningens mål er å forbedre måten å avgjøre om en klump i bløtvev som fett eller muskler er en type kreft som kalles bløtvevssarkom, eller om den er godartet ved hjelp av kunstig intelligens (AI).

Bløtvevssarkomer er en type kreft som kan dukke opp hvor som helst i kroppen der det er bløtvev som muskler eller fett. Mens sarkomer er sjeldne, er godartede klumper i bløtvev vanlige, og det er for tiden svært vanskelig å se forskjellen mellom de to ved hjelp av bildebehandling. Dette betyr at mange pasienter med godartet masse blir henvist til smertefulle biopsier og ventelistene for biopsier er lange på grunn av den store diagnostiske arbeidsbelastningen.

Denne forskningen tar sikte på å utvikle en AI-algoritme som kan skille mellom godartede og ondartede bløtvevsmasser. Mens en algoritme kan utvikles ved å bruke eksisterende rutinedata, vil forskerne gjerne undersøke om å legge til kvantitative MR-bilder kan gjøre det mer nøyaktig.

Pasienter som allerede skal skannes for sarkom vil bli spurt om de samtykker i at det tas ekstra MR-bilder. Disse bildene vil bli brukt til å gi ekstra informasjon til AI. De ekstra bildene vil legge til maksimalt 10 minutter til pasientens standard MR-skanning, noe som betyr at pasientene ikke trenger å ta en ekstra tur eller gjennomgå noen ekstra prosedyrer. Studiedeltakere trenger ikke å motta MR-kontrast som en del av denne forskningen. De ekstra bildene vil ikke bli brukt til å stille en diagnose under denne forskningen. En liten undergruppe av pasienter vil bli spurt om de vil være villige til å komme for en ny skanning slik at forskerne kan se hvor pålitelige målingene er, men dette vil være helt valgfritt.

Studietype

Observasjonsmessig

Registrering (Faktiske)

186

Kontakter og plasseringer

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

Studiesteder

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter som er henvist til MR for en bløtvevsmasse som kan være et bløtvevssarkom, og som ennå ikke har gjennomgått behandling for lesjonen.

Beskrivelse

Inklusjonskriterier:

  1. Pasienter med bløtvevsmasse som diskuteres på sarkom-tverrfaglig møte
  2. Gjennomgår MR som en del av deres standard for omsorg
  3. Deltakeren er villig og i stand til å gi informert samtykke for deltakelse i utprøvingen.

Ekskluderingskriterier:

  1. Pasienten har allerede fått fjernet massen, eller en del av massen, kirurgisk før MR-skanningen
  2. Kontraindikasjon for MR (f.eks. tilstedeværelse av kontraindiserte implantater, f.eks. pacemakere, klaustrofobi).

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Opprinnelig kohort
Denne kohorten vil ha maksimalt 10 minutter med kvantitative MR-sekvenser lagt til på slutten av den kliniske standard MR-skanningen
Pasienter vil bli bedt om å forbli i skanneren i ytterligere 10 minutter mens vi tar ytterligere kvantitative MR-bilder

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Diagnostisk nøyaktighet - ROC-analyse av nøyaktighet, sensitivitet og spesifisitet til AI-algoritmer for å skille mellom godartede og ondartede bløtvevslesjoner
Tidsramme: 3 år
AI-algoritmer vil bli opplært til å skille mellom benigne og ondartede bløtvevslesjoner. For å vurdere nøyaktigheten til disse algoritmene, vil sensitiviteten og spesifisiteten til algoritmen bli beregnet ved å bruke pasientens diagnose fra biopsi/kirurgisk reseksjon som gullstandard.
3 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Klassifiseringsnøyaktighet - ROC-analyse av nøyaktighet, sensitivitet og spesifisitet til AI-algoritmer for å klassifisere ondartede lesjoner i deres patologiske grad
Tidsramme: 3 år
AI-algoritmer vil bli opplært til å skille mellom grad 1,2 og 3 maligne bløtvevslesjoner. For å vurdere nøyaktigheten til disse algoritmene, vil sensitiviteten og spesifisiteten til algoritmen bli beregnet ved å bruke pasientens diagnose fra biopsi/kirurgisk reseksjon som gullstandard.
3 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)

9. august 2023

Primær fullføring (Faktiske)

30. oktober 2025

Studiet fullført (Faktiske)

31. mars 2026

Datoer for studieregistrering

Først innsendt

12. september 2023

Først innsendt som oppfylte QC-kriteriene

2. oktober 2023

Først lagt ut (Faktiske)

10. oktober 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

14. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

9. april 2026

Sist bekreftet

1. april 2023

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Alle data vil bli avidentifisert før de brukes i denne forskningen

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