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

Multimodal modell forutsier tilbakefall (FUTURE12)

13. november 2024 oppdatert av: Qun Zhao

Multimodal klinisk-avbildningspatologi-drevet kunstig intelligensmodell for å forutsi postoperativt tilbakefall av lokalt avansert gastrisk kreft

Denne studien fokuserer på å utvikle en avansert modell som kombinerer klinisk informasjon, bildediagnostikk og patologidata for å forutsi sannsynligheten for at kreft kommer tilbake etter operasjon hos pasienter med lokalt avansert magekreft. Ved å bruke kunstig intelligens (AI), analyserer denne modellen ulike datakilder for å skape en mer nøyaktig prediksjon av residivrisiko, noe som kan hjelpe leger, pasienter og familier til å bedre forstå sjansene for tilbakefall. Denne AI-drevne tilnærmingen lar helsepersonell ta mer informerte beslutninger om personlig oppfølgingsbehandling og potensielle tilleggsbehandlinger for å forbedre pasientresultatene.

Studieoversikt

Studietype

Observasjonsmessig

Registrering (Faktiske)

93

Kontakter og plasseringer

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

Studiesteder

    • Hebei
      • Shijiazhuang, Hebei, Kina, 050011
        • The Fourth Hospital of Hebei Medical University

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

Studiepopulasjonen inkluderer voksne pasienter (18 år og eldre) diagnostisert med lokalt avansert magekreft (stadium II eller III) som har gjennomgått kirurgisk reseksjon. Denne populasjonen er valgt basert på tilgjengeligheten av fullstendige kliniske, bildebehandlings- og patologidata som er nødvendige for analyse av den multimodale AI-drevne prediktive modellen. Studien fokuserer på å vurdere risikoen for postoperativ residiv i denne spesifikke gruppen for å forbedre personlig oppfølging og behandlingsplanlegging.

Beskrivelse

**Inkluderingskriterier:**

  • Pasienter diagnostisert med lokalt avansert magekreft (stadium II eller III).
  • Pasienter som har gjennomgått kirurgisk reseksjon for magekreft.
  • Pasienter med fullstendige kliniske, avbildnings- og patologiske data tilgjengelig for analyse.
  • Alder 18 år eller eldre.
  • Pasienter som gir informert samtykke til å delta i studien.

**Ekskluderingskriterier:**

  • Pasienter med fjernmetastase (stadium IV) på diagnosetidspunktet.
  • Pasienter med ufullstendige eller manglende kliniske, bildediagnostiske eller patologiske data.
  • Pasienter som tidligere har fått behandling for annen magekreft enn kirurgisk reseksjon.
  • Pasienter med andre samtidige maligniteter.
  • Pasienter som ikke er i stand til eller ønsker å overholde kravene til studieoppfølging.

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
Prediksjonsnøyaktighet av postoperativt residiv ved lokalt avansert magekreft
Tidsramme: 24 måneder postoperativ oppfølging
Det primære utfallsmålet er nøyaktigheten til den multimodale AI-modellen for å forutsi risikoen for postoperativt residiv hos pasienter med lokalt avansert magekreft. Dette vurderes ved å sammenligne modellens spådommer med faktiske tilbakefallshendelser over en spesifisert oppfølgingsperiode, noe som muliggjør evaluering av dens effektivitet for å identifisere høyrisikopasienter og veilede kliniske beslutninger.
24 måneder postoperativ oppfølging

Samarbeidspartnere og etterforskere

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

Sponsor

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 (Faktiske)

31. oktober 2024

Studiet fullført (Faktiske)

31. oktober 2024

Datoer for studieregistrering

Først innsendt

13. november 2024

Først innsendt som oppfylte QC-kriteriene

13. november 2024

Først lagt ut (Faktiske)

15. november 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

15. november 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

13. november 2024

Sist bekreftet

1. november 2024

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • FUTURE12

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