Prospektywne badanie rzeczywistego zastosowania sztucznej inteligencji w patologii do przewidywania molekularnego glejaka
Prospektywne badanie rzeczywistego świata patologii sztucznej inteligencji w celu przewidywania zmian molekularnych w glejakach
Celem tego badania klinicznego jest sprawdzenie, czy model sztucznej inteligencji (AI) może dokładnie przewidywać istotne zmiany molekularne w glejakach, rodzaju guza mózgu, przy użyciu cyfrowych obrazów patologicznych.
Główne pytania, na które to badanie ma odpowiedzieć, to:
Jak dokładny jest model AI w przewidywaniu kluczowych zmian molekularnych w porównaniu ze standardowymi testami molekularnymi? Czy model AI może skrócić czas potrzebny na diagnozę i zmniejszyć potrzebę kosztownych testów molekularnych?
Badacze zbiorą obrazy całych szkiełek z wielu szpitali i wykorzystają model AI do przewidywania wyników molekularnych. Przewidywania będą porównane z rzeczywistymi wynikami testów uzyskanymi standardowymi metodami laboratoryjnymi.
Uczestnicy:
Wyrażą zgodę na wykorzystanie swoich obrazów patologicznych i wyników testów molekularnych do celów badawczych.
Nie będą poddawani dodatkowym zabiegom ani procedurom poza standardową opieką medyczną.
To badanie pomoże ustalić, czy narzędzia wspomagane sztuczną inteligencją mogą zapewnić szybszą i tańszą diagnozę molekularną glejaka, poprawiając opiekę nad pacjentami i wspierając równy dostęp do medycyny precyzyjnej.
Przegląd badań
Status
Status
Warunki
Warunki
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: DANYI LI
- Numer telefonu: +8613538308634
- E-mail: lidanyi26@163.com
Lokalizacje studiów
-
-
Guangdong
-
Guangzhou, Guangdong, Chiny, 510515
- Rekrutacyjny
- Nanfang Hospital, Southern Medical University
-
Kontakt:
- Li Liang
- Numer telefonu: +8615989146266
- E-mail: lli@smu.edu.cn
-
Kontakt:
- DANYI LI
- Numer telefonu: +8613538308634
- E-mail: lidanyi26@163.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Badanie obejmie dorosłych uczestników (w wieku 18 lat lub starszych), u których na podstawie biopsji lub resekcji chirurgicznej zdiagnozowano lub podejrzewa się rozlanego glejaka.
Uczestnicy muszą posiadać dostępne cyfrowe szkiełka patologiczne barwione hematoksyliną i eozyną (H&E) oraz kompletne dane kliniczne i molekularne.
Wszyscy uczestnicy będą pacjentami, którzy otrzymali standardową opiekę medyczną w przypadku glejaka.
W ramach tego badania nie będą przeprowadzane żadne dodatkowe zabiegi ani interwencje.
Obrazy patologiczne i wyniki badań molekularnych będą zbierane prospektywnie z wielu ośrodków klinicznych w celu oceny skuteczności diagnostycznej modelu patologicznego opartego na sztucznej inteligencji.
Opis
Kryteria włączenia:
- Uczestnik (lub prawnie upoważniony przedstawiciel) dobrowolnie podpisał formularz świadomej zgody.
- Wiek ≥ 18 lat w momencie rekrutacji.
- Podejrzenie rozlanego glejaka na podstawie biopsji lub resekcji chirurgicznej potwierdzone histologicznie.
- Dostępność pełnych informacji klinicznych oraz użytecznych cyfrowych szkieł patologicznych z barwieniem hematoksyliną i eozyną (H&E).
- Dostępność wyników patologii molekularnej pooperacyjnej do porównania.
Kryteria wykluczenia:
- Słaba jakość próbek patologicznych (np. niewystarczająca ilość tkanki, duże zagięcia lub zanieczyszczenie szkieł, lub substandardowa jakość skanowania cyfrowego).
- Uznanie przez badacza za nieodpowiedniego do udziału w badaniu z jakiegokolwiek powodu.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność modelu AI w przewidywaniu kluczowych zmian molekularnych w glejaku
Ramy czasowe: W ciągu 1 tygodnia od uzyskania obrazów całych preparatów (WSI)
|
Głównym punktem końcowym jest wydajność diagnostyczna modelu patologii opartego na sztucznej inteligencji w przewidywaniu kluczowych zmian molekularnych w glejaku.
Dokładność, czułość, swoistość oraz pole pod krzywą charakterystyki pracy odbiornika (AUC) zostaną obliczone poprzez porównanie przewidywań AI z wynikami referencyjnymi ze standardowych testów patologii molekularnej.
|
W ciągu 1 tygodnia od uzyskania obrazów całych preparatów (WSI)
|
Współpracownicy i badacze
Sponsor
Sponsor
Śledczy
Śledczy
- Dyrektor Studium: Li Liang, Nanfang Hospital, Southern Medical University
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Szacowany)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- NFEC-2025-508
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .