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

Utvikling av en avbildningsprediksjonsmodell for bekkenlymfeknutemetastase av livmorhalskreft ved bruk av kunstig intelligensteknikker.

3. juni 2024 oppdatert av: Obstetrics & Gynecology Hospital of Fudan University
Denne studien er en retrospektiv utforskende studie utført ved et enkelt senter, med sikte på å utvikle og validere en preoperativ lymfatisk metastasemodell for livmorhalskreft ved bruk av kunstig intelligens dyp læring. Modellen er trent ved bruk av preoperativ bildediagnostikk og postoperative patologiske funn av livmorhalskreftpasienter, med mål om å øke nøyaktigheten av lymfatisk metastaseprediksjon gjennom preoperativ bildediagnostikk og tilby innsikt for behandlingsbeslutninger.

Studieoversikt

Status

Rekruttering

Forhold

Studietype

Observasjonsmessig

Registrering (Antatt)

4000

Kontakter og plasseringer

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

Studiekontakt

Studiesteder

  • Kina
    • Shanghai
      • Shanghai, Shanghai, Kina, 200090
        • Rekruttering
        • The Obstetrics and Gynecology Hospital of Fudan University
        • Ta kontakt med:
        • Hovedetterforsker:
          • Xin Wu
        • Underetterforsker:
          • Hua Jiang
        • Underetterforsker:
          • Xuan Yin
        • Underetterforsker:
          • Ling Qiu
        • Underetterforsker:
          • Hui Wang
        • Underetterforsker:
          • Yang Liu
        • Underetterforsker:
          • Shen Luo
        • Underetterforsker:
          • Xiaomei Sun

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

Sannsynlighetsprøve

Studiepopulasjon

All pasientinformasjon og bildedata ble samlet inn fra Obstetrics and Gynecology Hospital ved Fudan University. Dette sykehuset er en spesialisert tertiær omsorgsinstitusjon og er anerkjent som det ledende obstetrikk- og gynekologisykehuset i Kina.

Beskrivelse

Inklusjonskriterier:

  1. pasienter med preoperativ diagnose av invasiv livmorhalskreft stadium I-III, med enhver type patologi, og pasienter som gjennomgikk radikal/modifisert radikal livmorhalskreftoperasjon + bekkenlymfeknutedisseksjon på vårt sykehus.
  2. Alder ≥18 år og ≤80 år
  3. pasienter med komplette preoperative bekken MR-bilder og postoperativ patologi og kliniske data på vårt sykehus

Ekskluderingskriterier:

  1. Pasienter under graviditet eller amming, pasienter innen 42 dager etter abort
  2. Pasienter som har fått neoadjuvant kjemoterapi eller strålebehandling før operasjon for denne tidligere livmorhalskreften
  3. Pasienter med andre ondartede svulster innen 5 år
  4. Kombinasjon av andre underliggende sykdommer som kan føre til forstørrede bekkenlymfeknuter
  5. Bilderapport mer enn 1 måned før operasjonen
  6. Dårlig bildekvalitet og ugjenkjennelig

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
En modell for å identifisere bekkenlymfeknutemetastaser på preoperativ bildediagnostikk
Tidsramme: Fra påmelding til slutten av utvikling av modell ved 24 måneder
Teknologi med kunstig intelligens (AI) ble brukt til å utvikle en modell for å identifisere bekkenlymfeknutemetastaser fra preoperative bilder for å forbedre nøyaktigheten av preoperativ lymfeknutemetastasering ved livmorhalskreft. Modellen ble validert med hoveddiagnostisk fokus på å bestemme status for lymfeknutemetastase.
Fra påmelding til slutten av utvikling av modell ved 24 måneder

Samarbeidspartnere og etterforskere

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

Sponsor

Obstetrics & Gynecology Hospital of Fudan University

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. februar 2024

Primær fullføring (Antatt)

1. desember 2025

Studiet fullført (Antatt)

1. desember 2025

Datoer for studieregistrering

Først innsendt

3. juni 2024

Først innsendt som oppfylte QC-kriteriene

3. juni 2024

Først lagt ut (Faktiske)

7. juni 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

7. juni 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

3. juni 2024

Sist bekreftet

1. juni 2024

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • FUOBGY2024-33

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