Prediksjon av betydelig leverfibrose (PSLF)
16. juli 2024 oppdatert av: Huang Haijun
Multimodal digital bildefusjonsteknologi basert på dyp læring for å forutsi betydelig leverfibrose og dens anvendelse i multisenterforskning
Den dype læringsmetoden basert på konvolusjonelt nevralt nettverk (CNN) ble brukt til å trekke ut de relevante funksjonene ved klassifisering av leverfibrose fra multimodal informasjon fra digitale patologiske seksjoner, kliniske parametere og biomarkører for et stort antall eksisterende tilfeller av leverpunksjon, og U-Net-arkitekturen til CNN ble brukt til å segmentere og trekke ut funksjonene til kliniske medisinske bilder.
Studieoversikt
Detaljert beskrivelse
Pasienter med kronisk hepatitt B gjennomgikk B-ultralydveiledet leverbiopsi, og ble delt inn i mild leverfibrosegruppe (fibrosegrad 0-1, S1), signifikant leverfibrosegruppe (fibrosegrad 2, S2), avansert leverfibrosegruppe og tidlig leverfibrosegruppe. cirrhosis gruppe (fibrose grad 3-4, S3-4) i henhold til de patologiske resultatene.I denne studien ble 200 pasienter med ulike grader av leverfibrose og 200 normale frivillige samlet inn fra 2018 til 2022, og deres kliniske biokjemiske data, bildedata og perifere blodprøver ble samlet inn. De patologiske mikromiljøkarakteristikkene, bildekarakteristikkene, kliniske parameterkarakteristikker og andre data fra pasienter ble ekstrahert, og destillasjonslæringsmetoden basert på lærer-studentmodell ble tatt i bruk for å utvikle og konstruere en multimodal stordataanalyse modell for nøyaktig gradering av leverfibrose, for å oppnå et ikke-invasivt intelligent graderingsdiagnosesystem for leverfibrose.
Studietype
Observasjonsmessig
Registrering (Antatt)
700
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Haijun Huang
- Telefonnummer: 13758186635
- E-post: huanghaijun0826@163.com
Studiesteder
-
-
Zhejiang
-
Hangzhou, Zhejiang, Kina, 310014
- Rekruttering
- Haijun Huang
-
Ta kontakt med:
- Haijun Huang
- Telefonnummer: 13758186635
- E-post: huanghaijun0826@163.com
-
-
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
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
En pasient med kronisk hepatitt B leverfibrose bekreftet ved leverbiopsi
Beskrivelse
Inklusjonskriterier:
- Alder 18-60 år
- Diagnosen kronisk hepatitt B er i tråd med de diagnostiske kriteriene i Kinas 2019 retningslinjer for forebygging og behandling av kronisk hepatitt B, og diagnosen alkoholfri fettlever er i tråd med retningslinjer fra Asian Pacific Hepatology Association
- Bildediagnostikk viste ingen leverkreft
Ekskluderingskriterier:
- Det er kontraindikasjoner for leverbiopsi
- Leverpatologi oppfylte ikke kriteriene
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 |
|---|
|
mild fibrose
S0-1
|
|
betydelig leverfibrose
S2
|
|
Avansert leverfibrose
S3-4
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Modellutvikling
Tidsramme: 2024.6-2024.12
|
Bildediagnostikk (som CT-skanning, MR, røntgen, etc.) egenskaper og kliniske parametere til pasienter ble ekstrahert, inkludert populasjonsgrunnlinjekarakteristikker (som alder, kjønn, komorbidisjoner, etc.), biokjemiske blodindikatorer (som blodsukker) , lipider, leverfunksjonsindikatorer, etc.), og blodcytologiske indikatorer (som antall hvite blodlegemer, antall røde blodlegemer, etc.).
Gjennomført casevalg og kohortetablering, multimodal funksjonsutvinning og modellutvikling
|
2024.6-2024.12
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Bygg et multimodalt big data-leverfibrose-skyplattformsystem for tidlig varsling
Tidsramme: 2025.1-2025.12
|
Vi har til hensikt å designe en skyplattform med datalagrings-, prosesserings- og analysekomponenter.Velg passende teknologistabel for å sikre at plattformen har evnen til å håndtere data i stor skala, og har god skalerbarhet og ytelse.Den tidligere bygde multimodale leverfibrosepresisjonen skrivemodellen ble deretter innebygd i plattformen, noe som sikret at modellen kunne håndtere en rekke datatyper og integreres sømløst med andre komponenter i plattformen. Samtidig brukes strømbehandlingsteknologien til å integrere sanntidsovervåking og analyse funksjonen til plattformen, for å gjøre rask prediksjon og klassifisering av nylig ervervede leverfibrose-tilfelledata. Nøyaktigheten og stabiliteten til modellen ble ytterligere verifisert i multisenter kliniske data, og multi-modale big data leverfibrose tidlig advarselsskyplattformsystem ble bygget
|
2025.1-2025.12
|
Andre resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Evaluering Multi-modal big data leverfibrose varsling plattform system effektivitet
Tidsramme: 2026.1-2026.12
|
For å teste effektiviteten til det multimodale big data-varslingsplattformsystemet for leverfibrose i et ekte multisenter klinisk miljø.
Vi vil også utforske muligheten for å bruke plattformen for langtidsoppfølging av pasienter, fjerntesting av pasienter og regelmessig vurdering av sykdomsprogresjon
|
2026.1-2026.12
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
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 (Antatt)
20. juli 2024
Primær fullføring (Antatt)
31. desember 2024
Studiet fullført (Antatt)
31. desember 2026
Datoer for studieregistrering
Først innsendt
10. juli 2024
Først innsendt som oppfylte QC-kriteriene
16. juli 2024
Først lagt ut (Faktiske)
19. juli 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
19. juli 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
16. juli 2024
Sist bekreftet
1. juli 2024
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- KY2024072
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
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. .