- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07399236
AI-basert prediksjon av levermetastaser ved tykktarmskreft (en retrospektiv studie)
En multikenter, retrospektiv, observasjonsstudie for å utvikle og validere en multimodal dyp læringsmodell for å predikere metakron levermetastaser hos pasienter med kolorektalkreft etter kurativ reseksjon
Denne multisykehus, retrospektive studien har som mål å utvikle og validere en multimodal dyp læringsmodell for å forutsi risikoen for metakron levermetastase hos pasienter med stadium I-III kolorektal kreft etter kurativ reseksjon. Modellen vil integrere preoperativ kontrastforsterket CT-bildediagnostikk, digitaliserte histopatologiske helskjærbildebilder, og standard klinisk-patologiske data.
Hovedmålet er å vurdere modellens diskriminerende ytelse, målt ved arealet under mottakeroperasjonskarakteristikkkurven (AUC), og å sammenligne dens prediktive nøyaktighet mot tradisjonelle prognostiske faktorer som TNM-stadiering og serum karsinoembryonalt antigennivåer. Denne forskningen benytter eksisterende arkivdata; ingen direkte pasientkontakt eller intervensjon er involvert. Det endelige målet er å tilby et robust, datadrevet verktøy for forbedret risikostratifisering, som potensielt kan veilede personlig overvåkingsstrategier og adjuvant behandlingsbeslutninger i fremtiden.
Studieoversikt
Status
Intervensjon / Behandling
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Yang WU, M.D.
- Telefonnummer: 13636076910
- E-post: 255001907@qq.com
Studiesteder
-
-
Hubei
-
Wuhan, Hubei, Kina
- Rekruttering
- Tongji Hospital
-
Ta kontakt med:
- Yang WU, M.D.
- Telefonnummer: 13636076910
- E-post: 255001907@qq.com
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Alder 18-75 år, uavhengig av kjønn.
- Histologisk bekreftet primær kolon- eller rektumadenokarsinom.
- Har gjennomgått kurativ radikal reseksjon (R0-reseksjon) for kolorektalkreft.
- Preoperativ kontrastforsterket CT-skanning av abdomen/bekken utført innen 1 måned før operasjon, med akseptabel bildekvalitet.
- Ingen tegn til fjernmetastaser (inkludert synkron levermetastase) ved preoperativ eller intraoperativ eksplorasjon.
Eksklusjonskriterier:
- Tidligere historikk med andre ondartede svulster.
- Tidligere historikk med leverkirurgi eller levertransplantasjon.
- Manglende kliniske, bildediagnostiske eller patologiske data som kreves for studien.
- Død i perioperativ periode (innen 30 dager etter operasjon).
- Manglende regelmessig oppfølgingsinformasjon.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Kohort for kolorektal kreft reseksjon
Et retrospektivt kohort av voksne pasienter (alder 18-75) med stadium I-III primær kolorektal adenokarsinom som gjennomgikk kurativ (R0) reseksjon.
Dette kohortet er definert med formål å utvikle og validere en multimodal dyp læringsmodell for å forutsi risikoen for metakron levermetastase.
Alle data, inkludert preoperativ kontrastforsterkede CT-skanninger, postoperative digitaliserte patologislidere, og kliniske journaler, ble samlet inn retrospektivt fra rutinemessig klinisk praksis.
Ingen intervensjoner ble administrert som del av denne studien.
|
Dette er en ikke-intervensjonsstudie.
Den primære studiefremgangsmåten er anvendelsen av en multimodal dyp læringsmodell for å retrospektivt analysere eksisterende kliniske data (kontrastforsterkede CT-bilder, digitaliserte patologiske preparater og strukturerte kliniske variabler) med formål å forutsi risikoen for metakrone levermetastaser.
Ingen terapeutiske eller diagnostiske intervensjoner gis til deltakerne som en del av denne forskningsprotokollen.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Areal under mottakeroperasjonskarakteristikk-kurven (AUC)
Tidsramme: opptil 3 år
|
Den diskriminerende ytelsen til den multimodale dyp læringsmodellen for å forutsi 3-års risikoen for metakron levermetastase.
Modellen integrerer preoperativ kontrastforsterket CT-bilder, digitaliserte helslides patologibilder og kliniske data.
AUC vil bli beregnet på det uavhengige testsettet som er holdt tilbake.
Vurderingen er basert på data innsamlet fra datoen for kurativ kirurgi (utgangspunkt) til datoen for første bildebekreftet levermetastase eller siste oppfølging.
|
opptil 3 år
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Levermetastase-fri overlevelse (LMFS) etter risikogruppe
Tidsramme: opptil 3 år
|
Forskjellen i levermetastasefri overlevelse mellom høyrisiko- og lavrisikogruppene som stratifisert av den multimodale modellen.
LMFS defineres som tiden fra kirurgi til den første radiologiske diagnosen av levermetastase.
Fra dato for kirurgi til dato for første dokumenterte levermetastase eller siste oppfølging.
|
opptil 3 år
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Antatt)
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
Andre studie-ID-numre
- TJ-IRB202512239
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. .