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

AI for nyretumorer ved bruk av kontrastfri CT

13. desember 2025 oppdatert av: Yajia Gu, MD, Fudan University

En kunstig intelligens-modell for screening og diagnostisering av nyretumorer basert på CT uten kontrast

Målet med denne observasjonsstudien er å lære om kunstig intelligens-metoden kan automatisk identifisere og diagnostisere nyrelesjoner ved bruk av ikke-kontrast CT eller opportunistisk screening.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Detaljert beskrivelse

Denne studien etablerer først en AI-modell som er i stand til å effektivt oppdage og diagnostisere nyrelesjoner basert på en multikenter retrospektiv kohortstudie. Deretter blir AI-modellen anvendt på en stor skala i virkeligheten gjennom retrospektive og prospektive populasjoner for å validere og forbedre dens effektivitet.

Studietype

Observasjonsmessig

Registrering (Antatt)

10000

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

Studiesteder

  • Kina
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Kina, 200032
        • Fudan University Shanghai Cancer Center
        • Ta kontakt med:
        • Ta kontakt med:

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

N/A

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Pasienter som gjennomgikk en CT-undersøkelse av abdomen.

Beskrivelse

Inklusjonskriterier:

  1. Pasienter som gjennomgikk en abdominal CT-undersøkelse.
  2. Pasienter med nyrelesjoner ble behandlet i henhold til standard kliniske forløp, som inkluderte oppfølging, biopsi eller kirurgi.
  3. Maligne lesjoner ble patologisk bekreftet; benigne lesjoner ble bekreftet enten ved patologisk diagnose eller bildeoppfølging.
  4. Ingen tidligere behandling hadde blitt mottatt for nyresykdommen.

Eksklusjonskriterier:

  1. Pasienter nekter å gjennomgå anbefalt oppfølging, biopsi eller kirurgi, noe som utelukket definitiv diagnose av nyrelesjonen.
  2. Fravær av fullstendig patologisk bekreftelse for lesjoner mistenkt for å være maligne.
  3. Pasienter har mottatt enhver form for tidligere behandling for nyrelesjonen.
  4. Dårlig bildekvalitet som hindret diagnostisk evaluering.

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
Utvikling av et intelligent diagnostisksystem for nyresykdommer basert på CT-skanninger.
Tidsramme: 1 år
For å konstruere et intelligentsystem for deteksjon av nyremasse-lesjoner og deres differensiering til cyster, godartede og ondartede neoplasi.
1 år

Sekundære resultatmål

Resultatmål
Tidsramme
Videreutvikle kunstig intelligens-modell for å effektivt diagnostisere patologiske typer av vanlige nyretumorer.
Tidsramme: 1 år
1 år

Samarbeidspartnere og etterforskere

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

Sponsor

Fudan University

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)

1. januar 2026

Primær fullføring (Antatt)

1. desember 2028

Studiet fullført (Antatt)

1. desember 2028

Datoer for studieregistrering

Først innsendt

13. desember 2025

Først innsendt som oppfylte QC-kriteriene

13. desember 2025

Først lagt ut (Faktiske)

26. desember 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

26. desember 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

13. desember 2025

Sist bekreftet

1. oktober 2025

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 2509-Exp275

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

UBESLUTTE

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