Utvikling og validering av en dyp læringsmodell for å forutsi fjerne metastaser i nasopharyngeal karsinom ved bruk av hele lysbildeavbildning og MR
21. februar 2025 oppdatert av: Pu-Yun OuYang, Sun Yat-sen University
Utvikling og multisentervalidering av en dyp læringsmodell basert på hele lysbildeavbildning og magnetisk resonansavbildning av nasopharynx og lymfeknuter for å forutsi fjerne metastaser ved diagnose i nasopharyngeal karsinom
En AI -modell ble utviklet for å forutsi sannsynligheten for fjern metastase hos pasienter med nasopharyngeal kreft basert på patologispisser og MR -skanninger av den primære svulsten.
Modellen ble validert ved hjelp av data fra flere sentre.
Det ble deretter brukt på pasienter med avanserte stadier som ble anbefalt å gjennomgå PET/CT -skanninger basert på NCCN- eller CSCO -retningslinjene.
Denne AI -modellen kan nøyaktig screene pasienter med høy risiko for fjern metastase på tidspunktet for innledende diagnose for å få PET/CT, unngå overdreven undersøkelse av pasienter med lav risiko for fjern metastase, spare medisinske ressurser og redusere den økonomiske belastningen på pasienter.
Studieoversikt
Status
Rekruttering
Detaljert beskrivelse
En AI-modell ble konstruert basert på he-fargede patologiske seksjoner av den primære lesjonen og MR for nasopharynx og nakken for å forutsi sannsynligheten for fjern metastase ved det første besøket, og AI-modellen ble fullstendig bekreftet av multisenterdata; AI-modellen ble brukt på T3-4 eller N2-3 pasienter som ble anbefalt å gjennomgå PET/CT-undersøkelse i henhold til NCCN- og CSCO-retningslinjene, og terskelen til AI-modellen når den negative prediktive verdien for å forutsi M0 ikke var mindre enn 95% ble bestemt, noe som ga teoretisk støtte til at pasienter som AI ble spådd for å bli unntatt fra PET/CT -undersøkelse.
Studietype
Observasjonsmessig
Registrering (Antatt)
500
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Pu-Yun OuYang
- Telefonnummer: +8618565382769
- E-post: ouyangpy@sysucc.org.cn
Studiesteder
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510060
- Rekruttering
- Sun Yat-sen University Cancer Center
-
Ta kontakt med:
- Pu-Yun OuYang
- Telefonnummer: +86 18565382769
- E-post: ouyangpy@sysucc.org.cn
-
Ta kontakt med:
- Pu-Yun OuYang
- E-post: ouyangpy@sysucc.org.cn
-
Guangzhou, Guangdong, Kina, 510060
- Har ikke rekruttert ennå
- Department of Radiation Oncology, Sun Yat-sen University Cancer Center
-
Ta kontakt med:
- Pu-Yun OuYang
- Telefonnummer: 86+020-87342925
- E-post: ouyangpy@sysucc.org.cn
-
Ta kontakt med:
- Pu-Yun OuYang
-
-
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
Ikke-sannsynlighetsprøve
Studiepopulasjon
Pasienter med patologisk bekreftet nasopharyngeal karsinom
Beskrivelse
Inkluderingskriterier:
A. Den primære lesjonen ble patologisk bekreftet som nasopharyngeal karsinom (WHO -klassifisering er I, II og III); B. Scenen var T3-4 eller N2-3, og Nasopharynx + nakke MR-skanning og forbedret skanning ble utført for å bekrefte nasopharyngeal og cervical lymfeknute-lesjoner, og PET/CT eller konvensjonell undersøkelse (brystet CT vanlig skanning + forbedret Skanning, øvre abdominal CT eller MR vanlig skanning + forbedret skanning eller abdominal farge doppler Ultralyd- eller ultralydangiografi og avbildning av hele kroppen) ble utført for å screene for fjerne metastaser.
Eksklusjonskriterier:
Tidligere historie med andre ondartede svulster (for eksempel andre skvamp i hodet og nakken, cellekarsinomer, kreft i skjoldbruskkjertelen, brystkreft, spiserørskreft, etc.).
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 |
|---|
|
Potensiell valideringskohort
Prospektiv pasientinnmelding for å validere den diagnostiske effekten av AI -modellen
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Negativ prediktiv verdi
Tidsramme: Gjennom fullføring av studien, i gjennomsnitt 2 år
|
NPV måler andelen forutsagte negative tilfeller som faktisk er negative.
Den forteller oss hvor pålitelig modellen er når den spår et negativt resultat.
|
Gjennom fullføring av studien, i gjennomsnitt 2 år
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhet, spesifisitet og positiv prediktiv verdi
Tidsramme: Gjennom fullføring av studien, i gjennomsnitt 2 år
|
Følsomhet, spesifisitet og positiv prediktiv verdi av AI ved å forutsi fjern metastase ved terskelen som tilsvarer en negativ prediktiv verdi på 95%.
|
Gjennom fullføring av studien, i gjennomsnitt 2 år
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- OuYang PY, He Y, Guo JG, Liu JN, Wang ZL, Li A, Li J, Yang SS, Zhang X, Fan W, Wu YS, Liu ZQ, Zhang BY, Zhao YN, Gao MY, Zhang WJ, Xie CM, Xie FY. Artificial intelligence aided precise detection of local recurrence on MRI for nasopharyngeal carcinoma: a multicenter cohort study. EClinicalMedicine. 2023 Aug 30;63:102202. doi: 10.1016/j.eclinm.2023.102202. eCollection 2023 Sep.
- Zhong L, Dong D, Fang X, Zhang F, Zhang N, Zhang L, Fang M, Jiang W, Liang S, Li C, Liu Y, Zhao X, Cao R, Shan H, Hu Z, Ma J, Tang L, Tian J. A deep learning-based radiomic nomogram for prognosis and treatment decision in advanced nasopharyngeal carcinoma: A multicentre study. EBioMedicine. 2021 Aug;70:103522. doi: 10.1016/j.ebiom.2021.103522. Epub 2021 Aug 11.
- Qiang M, Li C, Sun Y, Sun Y, Ke L, Xie C, Zhang T, Zou Y, Qiu W, Gao M, Li Y, Li X, Zhan Z, Liu K, Chen X, Liang C, Chen Q, Mai H, Xie G, Guo X, Lv X. A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma. J Natl Cancer Inst. 2021 May 4;113(5):606-615. doi: 10.1093/jnci/djaa149.
- Lin L, Dou Q, Jin YM, Zhou GQ, Tang YQ, Chen WL, Su BA, Liu F, Tao CJ, Jiang N, Li JY, Tang LL, Xie CM, Huang SM, Ma J, Heng PA, Wee JTS, Chua MLK, Chen H, Sun Y. Deep Learning for Automated Contouring of Primary Tumor Volumes by MRI for Nasopharyngeal Carcinoma. Radiology. 2019 Jun;291(3):677-686. doi: 10.1148/radiol.2019182012. Epub 2019 Mar 26.
- OuYang PY, Zhang BY, Guo JG, Liu JN, Li J, Peng QH, Yang SS, He Y, Liu ZQ, Zhao YN, Li A, Wu YS, Hu XF, Chen C, Han F, You KY, Xie FY. Deep learning-based precise prediction and early detection of radiation-induced temporal lobe injury for nasopharyngeal carcinoma. EClinicalMedicine. 2023 Apr 4;58:101930. doi: 10.1016/j.eclinm.2023.101930. eCollection 2023 Apr.
- Sun XS, Liu SL, Luo MJ, Li XY, Chen QY, Guo SS, Wen YF, Liu LT, Xie HJ, Tang QN, Liang YJ, Yan JJ, Lin DF, Bi MM, Liu Y, Liang YF, Ma J, Tang LQ, Mai HQ. The Association Between the Development of Radiation Therapy, Image Technology, and Chemotherapy, and the Survival of Patients With Nasopharyngeal Carcinoma: A Cohort Study From 1990 to 2012. Int J Radiat Oncol Biol Phys. 2019 Nov 1;105(3):581-590. doi: 10.1016/j.ijrobp.2019.06.2549. Epub 2019 Jul 15.
- Tang LQ, Chen QY, Fan W, Liu H, Zhang L, Guo L, Luo DH, Huang PY, Zhang X, Lin XP, Mo YX, Liu LZ, Mo HY, Li J, Zou RH, Cao Y, Xiang YQ, Qiu F, Sun R, Chen MY, Hua YJ, Lv X, Wang L, Zhao C, Guo X, Cao KJ, Qian CN, Zeng MS, Mai HQ. Prospective study of tailoring whole-body dual-modality [18F]fluorodeoxyglucose positron emission tomography/computed tomography with plasma Epstein-Barr virus DNA for detecting distant metastasis in endemic nasopharyngeal carcinoma at initial staging. J Clin Oncol. 2013 Aug 10;31(23):2861-9. doi: 10.1200/JCO.2012.46.0816. Epub 2013 Jul 15. Erratum In: J Clin Oncol. 2016 Feb 10;34(5):519. doi: 10.1200/jco.2015.66.3427.
- Xiao BB, Lin DF, Sun XS, Zhang X, Guo SS, Liu LT, Luo DH, Sun R, Wen YF, Li JB, Lv XF, Han LJ, Yuan L, Liu SL, Tang QN, Liang YJ, Li XY, Guo L, Chen QY, Fan W, Mai HQ, Tang LQ. Nomogram for the prediction of primary distant metastasis of nasopharyngeal carcinoma to guide individualized application of FDG PET/CT. Eur J Nucl Med Mol Imaging. 2021 Jul;48(8):2586-2598. doi: 10.1007/s00259-020-05128-8. Epub 2021 Jan 8.
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)
15. februar 2025
Primær fullføring (Antatt)
31. desember 2026
Studiet fullført (Antatt)
31. desember 2026
Datoer for studieregistrering
Først innsendt
14. februar 2025
Først innsendt som oppfylte QC-kriteriene
14. februar 2025
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
21. februar 2025
Sist bekreftet
1. februar 2025
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
- Stomatognatiske sykdommer
- Patologiske prosesser
- Neoplasmer etter nettsted
- Neoplasmer
- Neoplasmer etter histologisk type
- Neoplasmer i hode og nakke
- Neoplasmer, kjertel og epitel
- Neoplastiske prosesser
- Karsinom
- Otorhinolaryngologiske sykdommer
- Faryngeale neoplasmer
- Otorhinolaryngologiske neoplasmer
- Nasofaryngeale sykdommer
- Faryngeale sykdommer
- Nasofaryngeale neoplasmer
- Nasofaryngealt karsinom
- Neoplasma Metastase
Andre studie-ID-numre
- B2025-062-01
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
IPD-planbeskrivelse
Individuelle deltakerdata (IPD) kan ikke deles på grunn av bekymring for pasientens personvern, etiske hensyn eller institusjonell politikk.
Begrensninger kan også oppstå fra databeskyttelsesforskrifter, konfidensialitetsavtaler eller den potensielle risikoen for omidentifisering.
I tillegg, hvis dataene inkluderer sensitiv medisinsk informasjon, kan deling kreve spesielle godkjenninger eller avidentifiseringsprosesser som ikke er gjennomførbare.
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. .