Mikrovaskulær invasjon forutsigelse av kunstig intelligens via kontrastforsterket ultralyd med forklaring (MAPUSE)
Prediksjon av mikrovaskulær invasjon i HCC ved bruk av spatiotemporal radiomiks av kontrastforsterket ultralyd: en dyp læringsmodell med transkriptomisk korrelasjon
En kunstig intelligens (AI) modell for å forutsi MVI av HCC ved bruk av kontrastforsterket ultralyd ble konstruert. Denne modellen har også biologisk forklaringsevne. Etterforskerne kalte den som MAPUSE (MVI AI-prediksjon via kontrastforsterket ultralyd med forklarbarhet).
Målet med MAPUSE-studien er å prospektivt teste ytelsen til MAPUSE-modellen på MVI-prediksjon og dens biologiske korrelasjon i forskjellige geografiske områder i Kina.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Tilstedeværelsen av mikrovaskulær invasjon (MVI) i hepatocellulært karsinom (HCC) er en kritisk prognostisk indikator, men preoperativ diagnose er fortsatt utfordrende. Kontrastforbedret ultralyd (CEUS), med sin dynamiske mikrovaskulære avbildningsevne, lover forutsigelse av MVI.
Etterforskerne konstruerte en kunstig intelligens (AI) modell for å forutsi MVI ved bruk av kontrastforsterket ultralyd. Denne modellen har også biologisk forklaringsevne. Vi kalte det MAPUSE (MVI AI-prediksjon via kontrastforsterket ultralyd med forklarbarhet).
Målet med MAPUSE-studien er å prospektivt teste ytelsen til MAPUSE-modellen på MVI-prediksjon og dens biologiske korrelasjon i forskjellige geografiske områder i Kina.
Ytelsen til MAPUSE skal testes i to potensielle testkohorter fra to sentre i det sørlige og nordlige Kina. Før operasjonen vil pasientens CEUS-videoer samles inn og analyseres av MAPUSE-modellen for å generere en MVI-risikoscore. I henhold til den postoperative patologiske diagnosen MVI (gyldent kriterium), vil resultatet av MAPUSE bli evaluert. Parametre inkluderer area under curve (AUC), nøyaktighet (ACC), sensitivitet, spesifisitet og F1-score.
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Beijing, Kina, 100853
- Chinese PLA General Hospital
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510080
- The First Affiliated Hospital of Sun Yat-sen University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Alder >18 år.
- HCC-diagnosen og tilstedeværelsen av MVI ble bekreftet av kirurgisk patologi.
- Fullstendige og tydelige CEUS-videoer oppnådd innen to uker før operasjonen.
Ekskluderingskriterier:
- Ukvalifiserte CEUS-bilder.
- Manglende kirurgisk patologisk diagnose.
- Lesjoner gjennomgikk lokal behandling.
- Ikke-HCC-diagnose
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Kinesisk PLA General Hospital Cohort
Pasienter fra Chinese PLA General Hospital (nord-Kina) etter kirurgisk behandling
|
Bruk av MAPUSE-modellen for å forutsi MVI-status før kirurgisk reseksjon for HCC-pasienter
|
|
det første tilknyttede sykehuset til Sun Yat-sen University Cohort
Pasienter fra det første tilknyttede sykehuset ved Sun Yat-sen University (sør-Kina) etter kirurgisk behandling
|
Bruk av MAPUSE-modellen for å forutsi MVI-status før kirurgisk reseksjon for HCC-pasienter
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
areal under driftskarakteristiske kurver (AUC)
Tidsramme: Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
området under operasjonskarakteristiske kurver (AUC) for å evaluere ytelsen til MAPUSE-modellen for å forutsi MVI hos HCC-pasienter
|
Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
ACC (nøyaktighet)
Tidsramme: Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
Forholdet mellom antall prøver riktig forutsagt av modellen og det totale antallet prøver
|
Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
|
Spesifisitet
Tidsramme: Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
Andel av alle pasienter uten MVI som er spådd negative av MAPUSE
|
Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
|
Følsomhet
Tidsramme: Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
Andelen pasienter med MVI som MAPUSE identifiserer korrekt
|
Fra preoperativ innmelding til postoperativ bekreftelse av patologisk diagnose (7-15 dager postoperativt)
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Chuan Pang, Chinese PLA General Hospital
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- MAPUSE
- 82030047 (Annet stipend/finansieringsnummer: National Natural Science Foundation of China)
- 92159305 (Annen identifikator: The National Natural Science Foundation of China)
- 82325027 (Annen identifikator: The National Natural Science Foundation of China)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .