Å skille retroperitoneal fibrose og sarkom fra andre retroperitoneale sykdommer via radiomikser
14. desember 2024 oppdatert av: Cui Yang, Heidelberg University
Å skille retroperitoneal fibrose og sarkom fra andre retroperitoneale sykdommer på CT-skanninger via en utvidet radiomiks tilnærming: en multisentrisk, internasjonal retrospektiv analyse.
En retrospektiv studie som bruker arkiverte CT-skanninger av pasienter diagnostisert med retroperitoneal fibrose, sarkom eller andre maligniteter (dvs.
lymfom, kimcelletumorer, metastaser, infeksjoner, ganglioneuromer) for å implementere en radiomiksalgoritme som er i stand til å skille mellom disse malignitetene.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Intervensjon / Behandling
Detaljert beskrivelse
Målet med dette prosjektet er å utvikle en radiomiksalgoritme som pålitelig kan identifisere retroperitoneal fibrose (Ormonds sykdom) og retroperitoneale sarkomer, automatisk segmentere dem og skille dem fra andre retroperitoneale sykdommer.
Radiomik er en teknikk som bruker kunstig intelligens til å trekke ut egenskaper fra radiologiske bildedata som ikke er synlige for mennesker og for å identifisere bildemorfologiske mønstre av sykdommer.
Siden det er vanskelig å skille mellom sykdommer ved å bruke bildedata alene, skal kliniske data som symptomer og laboratorieverdier korreleres med bildedataene og brukes av algoritmen.
Dette skal blant annet øke sensitiviteten, nøyaktigheten og spesifisiteten til bildebasert diagnostikk for å muliggjøre raskere, ikke-invasiv diagnostikk.
Studietype
Observasjonsmessig
Registrering (Antatt)
600
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
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
Sannsynlighetsprøve
Studiepopulasjon
Alle pasienter med retroperitoneal fibrose, sarkom eller andre retroperitoneale sykdommer som har pre-op abdominal ct-skanning av god kvalitet.
Beskrivelse
Inkluderingskriterier:
- Pasienter uansett alder eller kjønn.
- CT-skanninger som bekrefter tilstedeværelsen av en retroperitoneal masse.
- Bekreftet diagnose av retroperitoneal fibrose, sarkom eller andre maligniteter (dvs. lymfom, kjønnscelletumorer, metastaser, infeksjoner, ganglioneuromer) gjennom patologirapporter eller klinisk oppfølging.
Ekskluderingskriterier:
- CT-skanninger av dårlig kvalitet der området av interesse ikke er tydelig synlig.
- Tidligere behandlinger eller operasjoner som kan endre de radiomiske egenskapene til svulstene.
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 |
|---|---|
|
retroperitoneal fibrose
Alle rekrutterte pasienter med retroperitoneal fibrose
|
En radiomiksalgoritme designet for å skille retroperitoneal fibrose fra andre retroperitoneale svulster og gi anbefalinger for kliniske behandlingsbeslutninger.
|
|
retroperitonealt sarkom
Alle rekrutterte pasienter med retroperitonealt sarkom
|
En radiomiksalgoritme designet for å skille retroperitoneal fibrose fra andre retroperitoneale svulster og gi anbefalinger for kliniske behandlingsbeslutninger.
|
|
andre retroperitoneale sykdommer
Alle rekrutterte pasienter med andre retroperitoneale maligniteter
|
En radiomiksalgoritme designet for å skille retroperitoneal fibrose fra andre retroperitoneale svulster og gi anbefalinger for kliniske behandlingsbeslutninger.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Radiomisk nøyaktighet for retroperitoneal fibrose
Tidsramme: 6 måneder
|
Nøyaktighet av algoritmen for å skille mellom retroperitoneal fibrose og andre retroperitoneale sykdommer
|
6 måneder
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Radiomisk nøyaktighet for retroperitoneale sarkomer
Tidsramme: 10 måneder
|
Nøyaktighet av algoritmen for å skille mellom retroperitonealt sarkom og andre retroperitoneale sykdommer ved bruk av CT-bilder
|
10 måneder
|
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. november 2023
Primær fullføring (Antatt)
1. mai 2025
Studiet fullført (Antatt)
1. desember 2025
Datoer for studieregistrering
Først innsendt
24. juni 2024
Først innsendt som oppfylte QC-kriteriene
14. desember 2024
Først lagt ut (Faktiske)
25. mars 2025
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
25. mars 2025
Siste oppdatering sendt inn som oppfylte QC-kriteriene
14. desember 2024
Sist bekreftet
1. desember 2024
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2023-890-AF 11
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
produkt produsert i og eksportert fra USA
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. .