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

Kunstig intelligensmodell for vekstprediksjon av ovariekreftorganoider

12. mars 2024 oppdatert av: Chongqing University Cancer Hospital

Utvikling og validering av vekstprediksjonsmodell for ovariekreftorganoider basert på lysfeltbilde og dyp læring

Denne studien tar sikte på å samle tidlige lysfeltbilder av pasientavledede organoider med eggstokkreft. Ved å utnytte kunstig intelligens, vil denne studien søke å konstruere og avgrense algoritmer som kan forutsi vekst av organoider til eggstokkreft.

Studieoversikt

Status

Rekruttering

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Antatt)

100

Kontakter og plasseringer

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

Studiekontakt

Studiesteder

  • Kina
    • Chongqing
      • Chongqing, Chongqing, Kina, 400030
        • Rekruttering
        • Chongqing Cancer Hospital
        • Hovedetterforsker:
          • Dongling Zou, M.D.
        • 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

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter med epitelial eggstokkreft fikk biopsi eller punktering for å få tumorvev eller ondartet effusjon

Beskrivelse

Inklusjonskriterier:

  • Pasienter må ha histologisk bekreftet diagnose av epitelial eggstokkreft
  • Pasienter fikk biopsi eller punktering for å få tumorvev eller ondartet effusjon
  • Pasienter deltok frivillig i studien og signerte informert samtykke.

Ekskluderingskriterier:

  • Ikke-epitelial eggstokkreft
  • Ingen tilstrekkelig mengde tumorvev eller ondartet effusjon for etablering av organoider.

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
AUC for vekstprediksjonsytelse ved bruk av dyp læringsmodell
Tidsramme: opptil 3 år
AUC =Areal under mottakerens driftskarakteristikk
opptil 3 år
Nøyaktighet av vekstprediksjon ved bruk av dyp læringsmodell
Tidsramme: opptil 3 år
Nøyaktighet=( antall korrekt klassifiserte prøver)/( antall totale prøver)
opptil 3 år

Samarbeidspartnere og etterforskere

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

Sponsor

Chongqing University Cancer Hospital

Etterforskere

  • Hovedetterforsker: Dongling Zou, M.D., Chongqing University Cancer Hospital

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 2022

Primær fullføring (Antatt)

30. april 2024

Studiet fullført (Antatt)

30. mai 2024

Datoer for studieregistrering

Først innsendt

12. mars 2024

Først innsendt som oppfylte QC-kriteriene

12. mars 2024

Først lagt ut (Faktiske)

19. mars 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

19. mars 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

12. mars 2024

Sist bekreftet

1. mars 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • CQGOG0206

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. .

Abonnere