Anvendelsen av multimodale kunstige intelligenssystemer i prostatakreftdiagnose og prognoseanalyse
22. juli 2026 oppdatert av: Ren Shancheng, Shanghai Changzheng Hospital
Anvendelsen av multimodal datafusjon i prostatakreft vil gi nye muligheter for å forbedre diagnostisk nøyaktighet og behandlingsresultater.
Ved å integrere bildediagnostikk, genomikk, patologi og kliniske data forventer vi å realisere presisjonsmedisin for prostatakreft og betydelig forbedre overlevelsesprognosen til pasienter.
Studieoversikt
Status
Fullført
Intervensjon / Behandling
Detaljert beskrivelse
Prostatakreft er en av de mest utbredte maligne sykdommer blant menn over hele verden. Global kreftstatistikk viser at antallet nye prostatakreftdiagnoser øker årlig.
De siste årene har bruken av multimodal datafusjonsteknologi banet vei for innovative diagnostiske og prognostiske tilnærminger ved prostatakreft. For eksempel forbedrer synergien mellom MR-avbildning med kliniske indikatorer som PSA-nivåer og Gleason-score ikke bare iscenesettelsen av prostatakreft, men kaster også lys over en pasients sannsynlige respons på behandling og overlevelsesutsikter.
Den eksponentielle veksten av kunstig intelligens, spesielt den brede bruken av dyp læring og maskinlæringsalgoritmer, har dukket opp som en formidabel ressurs innen multimodal dataanalyse. Ved å utvikle et AI-drevet multimodalt datafusjonssystem kan enorme medisinske datasett behandles effektivt, og legge grunnlaget for et mer nyansert hjelpediagnostisk og terapeutisk beslutningsrammeverk.
Studietype
Observasjonsmessig
Registrering (Faktiske)
1651
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Kina, 100021
- Cancer Hospital, Chinese Academy of Medical Sciences
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510120
- The First Affiliated Hospital of Guangzhou Medical University
-
-
Jiangsu
-
Nanjing, Jiangsu, Kina
- Zhongda Hospital, Southeast University
-
Nanjing, Jiangsu, Kina, 210029
- Jiangsu Provincial People's Hospita
-
Suzhou, Jiangsu, Kina, 215006
- The First Affiliated Hospital of Soochow University
-
Yangzhou, Jiangsu, Kina, 225001
- Northern Jiangsu People's Hospita
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, Kina, 200433
- Changhai Hospital
-
Shanghai, Shanghai Municipality, Kina, 201209
- Shanghai Changzheng Hospital
-
-
Sichuan
-
Chengdu, Sichuan, Kina, 610041
- West China Hospital, Sichuan University
-
-
Zhejiang
-
Ningbo, Zhejiang, Kina, 315010
- Ningbo No. 1 Hospita
-
-
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
Ja
Prøvetakingsmetode
Sannsynlighetsprøve
Studiepopulasjon
Personer som er pålagt å gjennomgå prostata- eller bekkenmagnetisk resonans (MR) undersøkelse
Beskrivelse
Inkluderingskriterier:
- Mann, 18-80 år;
- Pasienter med normal prostata, prostatahyperplasi eller prostatakreft som har gjennomgått en prostata- eller bekkenmagnetisk resonans (MR) undersøkelse;
- Første besøk 1. januar 2014 eller senere.
Ekskluderingskriterier:
- Pasienter med en diagnose av annen malignitet i løpet av de siste 5 årene;
- Pasienter som har gjennomgått transuretral reseksjon eller enukleasjon av prostata før de gjennomgår bildediagnostikk;
- Pasienter som ikke er egnet for deltakelse i denne kliniske utprøvingen etter etterforskerens vurdering;
Pasienter som oppfyller noen av kriteriene ovenfor kan ikke registreres som forsøkspersoner.
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 |
|---|---|
|
Discovery Cohort
Deltakere med PSA -nivåer> 4 ng/ml og hadde gjennomgått prostatisk biopsi og MPMR ifølge etterforskerne i ettertid.
|
Data fra MPMRI og CFDNA -analyse vil bli integrert og behandlet ved dyp læring.
Modellens produksjon vil bli sammenlignet med den endelige patologiske diagnosen fra prostatabiopsien for å evaluere ytelsen.
|
|
Potensiell intern valideringskohort
Pasienter som er planlagt for prostatabiopsi og MPMR, med PSA-nivåer i 4-10 ng/ml grå sone, vil bli samtykket og registrert i denne gruppen prospektivt.
|
Data fra MPMRI og CFDNA -analyse vil bli integrert og behandlet ved dyp læring.
Modellens produksjon vil bli sammenlignet med den endelige patologiske diagnosen fra prostatabiopsien for å evaluere ytelsen.
|
|
Potensiell ekstern valideringskohort
Pasienter som er planlagt for prostatabiopsi og MPMR, med PSA-nivåer i 4-10 ng/ml grå sone, vil bli samtykket og registrert i denne gruppen prospektivt.
|
Data fra MPMRI og CFDNA -analyse vil bli integrert og behandlet ved dyp læring.
Modellens produksjon vil bli sammenlignet med den endelige patologiske diagnosen fra prostatabiopsien for å evaluere ytelsen.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Sensitivitet av prostatakreft multimodal modell for å forutsi prostatabiopsipatologiutfall (godartet eller ondartet)
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
|
Spesifisitet av multimodal prostatakreftmodell for å forutsi prostatabiopsipatologiutfall (godartet eller ondartet)
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
|
ROC-verdi av prostatakreft multimodal modell for å forutsi prostatabiopsipatologiutfall (godartet eller ondartet)
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Sekundære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
ROC-verdi av en multimodal prostatakreftmodell for å forutsi patologiske utfall av Gleason-scorekategorier (≤6, 7, ≥8) hos menn som gjennomgikk prostatabiopsi
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
|
Sensitiviteten til en multimodal prostatakreftmodell for å forutsi patologiske utfall av Gleason-scorekategorier (≤6, 7, ≥8) hos menn som gjennomgikk prostatabiopsi
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
|
Spesifisiteten til en multimodal prostatakreftmodell for å forutsi patologiske utfall av Gleason-scorekategorier (≤6, 7, ≥8) hos menn som gjennomgikk prostatabiopsi
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
|
ROC-verdi av en multimodal prostatakreftmodell for å forutsi klinisk signifikant prostatakreft (csPCa) hos menn gjennomgikk prostatabiopsi
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
|
Sensitiviteten til en multimodal prostatakreftmodell for å forutsi klinisk signifikant prostatakreft (csPCa) hos menn gjennomgikk prostatabiopsi
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
|
Spesifisitet av en multimodal prostatakreftmodell for å forutsi klinisk signifikant prostatakreft (csPCa) hos menn gjennomgikk prostatabiopsi
Tidsramme: Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
Gjennom fullføring av studie og all dataanalyse som kan ta opptil ett år.
|
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 (Faktiske)
10. oktober 2024
Primær fullføring (Faktiske)
30. juli 2025
Studiet fullført (Faktiske)
30. juli 2025
Datoer for studieregistrering
Først innsendt
6. september 2024
Først innsendt som oppfylte QC-kriteriene
6. september 2024
Først lagt ut (Faktiske)
19. september 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
23. juli 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
22. juli 2026
Sist bekreftet
1. juli 2026
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- M_PCa
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. .