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

Kunstig intelligens for diagnostisering av munnsår (AID-OraL)

13. april 2026 oppdatert av: Assistance Publique - Hôpitaux de Paris

Kunstig intelligens for diagnostisering av munnsårlesjoner

Plattenepitelkarcinomer i de øvre luft- og matveiene er blant de vanligste kreftformene globalt, med munnhulen som det hyppigste stedet. Munnhuleplattenepitelkarcinomer (OCSCC) representerer en betydelig årsak til morbiditet og dødelighet, hovedsakelig på grunn av høye rater for lokoregionale eller metastatiske tilbakefall og den hyppige forekomsten av andre primære svulster. I motsetning til orofaryngeal plattenepitelkarcinom er human papillomavirus (HPV) ikke involvert i karsinogenesen av OCSCC.

I noen tilfeller utvikler OCSCC seg fra munnhulens potensielt maligne lidelser (OPMD-er), som leukoplaki og erytroplaki, som har en global forekomst på 3-5 %. Malign transformasjonsrate for OPMD-er varierer fra 3 % til 50 %, noe som gjenspeiler deres markerte heterogenitet. Selv om flere kliniske, histologiske og molekylære faktorer har blitt foreslått for å identifisere pasienter med høy risiko for malign transformasjon, har ingen vist tilstrekkelig klinisk nytte til dags dato. I andre tilfeller oppstår OCSCC fra klinisk normal munnhuleslimhinne hos pasienter med OPMD-er lokalisert på avstand og/eller med etablerte risikofaktorer, spesielt tobakk- og alkoholbruk.

For øyeblikket har ingen kjemopreventiv eller forebyggende strategi blitt etablert som standard behandling for å forhindre malign transformasjon av OPMD-er. Å forbedre prognosen for OCSCC krever derfor utvikling av verktøy for bedre å identifisere høyt risikable OPMD-er og muliggjøre den tidligst mulige diagnosen. Tidlig oppdagelse av OPMD-er er avgjørende for sekundær forebygging av OCSCC. Imidlertid har konvensjonell munnundersøkelse basert på visuell inspeksjon og palpasjon begrenset sensitivitet, og klinisk gjenkjenning av OPMD-er forblir utfordrende. Følgelig er det et klart behov for forbedrede metoder for å forbedre tidlig deteksjon og risikostratifisering av OPMD-er.

Hovedmål:

Å utvikle et verktøy for å hjelpe til med diagnostisering av kreftlignende lesjoner i munnhulen ved bruk av kunstig intelligens (AI). Dette verktøyet ser lovende ut for å møte de nåværende behovene til munnhulepraktiserende fagmiljø.

Studieoversikt

Status

Har ikke rekruttert ennå

Studietype

Observasjonsmessig

Registrering (Antatt)

5000

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

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

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter fulgt i Avdelingen for oral slimhinne patologi (Maksillofacial kirurgi og stomatologi avdeling, Pitié-Salpêtrière sykehus, AP-HP, Paris) fra 1. januar 1970 til 31. desember 2023, med en diagnose av potensielt maligne munnslimhinneforandringer og/eller munnhulekreft.

Beskrivelse

Inklusjonskriterier:

  • Pasient ≥ 18 år
  • Pasienter fulgt opp på Oral Slimhinneavdelingen (Kjeve- og ansiktskirurgi og stomatologiavdelingen, Pitié-Salpêtrière-sykehuset, AP-HP, Paris) mellom 1. januar 1970 og 31. desember 2023, med en diagnose av potensielt malign oral lesjon og/eller munnhulekreft.

Eksklusjonskriterier:

  • Bilde av lesjonen ikke tilgjengelig (i standard behandling)

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
Utvikle et verktøy for å hjelpe til med diagnostisering av kreftsvulster i munnhulen ved bruk av kunstig intelligens (AI)
Tidsramme: Gjennom studieavslutning, i gjennomsnitt 9 måneder

Å utvikle et verktøy for å hjelpe til med diagnosen av kreftsvulster i munnhulen ved bruk av kunstig intelligens (AI). Dette verktøyet ser lovende ut til å møte de nåværende behovene til munnhulepraktiserende fagmiljø.

For å oppnå dette målet vil anonymiserte kliniske fotografier av munnhulesår, sammen med relevant klinisk data som rutinemessig registreres i medisinske journaler, bli samlet inn.

Alle fotografier vil gjennomgå en retrospektiv gjennomgang av erfarne spesialister i oral og maksillofacial kirurgi. Ekspertene vil uavhengig vurdere bildene og etablere en referansediagnose. Ved uenighet vil en konsensusdiagnose bli nådd.

Det komplette datasettet, inkludert bildedata, tilknyttede kliniske variabler og referansediagnoser, vil bli brukt til å utvikle og internt validere en maskinlæringsalgoritme for automatisk klassifisering av munnhulesår.

Gjennom studieavslutning, i gjennomsnitt 9 måneder

Samarbeidspartnere og etterforskere

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

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. april 2026

Primær fullføring (Antatt)

1. desember 2026

Studiet fullført (Antatt)

1. desember 2026

Datoer for studieregistrering

Først innsendt

5. februar 2026

Først innsendt som oppfylte QC-kriteriene

13. april 2026

Først lagt ut (Faktiske)

14. april 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

14. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

13. april 2026

Sist bekreftet

1. april 2026

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

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