Prognozowanie raka żołądka w metaplazji jelitowej i zanikowym zapaleniu błony śluzowej żołądka (GIMA)
Prognozowanie raka żołądka w metaplazji jelitowej i zanikowym zapaleniu błony śluzowej żołądka — zastosowanie sztucznej inteligencji w histologii i danych klinicznych
Głównymi celami tego badania są:
- Identyfikacja klinicznych lub histologicznych czynników związanych z rozwojem raka żołądka u pacjentów z IM i AG
- Opracowanie algorytmu uczenia maszynowego do przewidywania przyszłego ryzyka raka żołądka i indywidualnej stratyfikacji ryzyka u pacjentów z IM i AG
Przegląd badań
Status
Szczegółowy opis
Jest to dwuczęściowe badanie retrospektywne obejmujące część dotyczącą danych klinicznych i część dotyczącą patologii. Z około 70% uwzględnionych przypadków zostanie opracowana kohorta szkoleniowa. Po nim nastąpi kohorta walidacyjna z pozostałymi przypadkami.
Dane kliniczne będą gromadzone retrospektywnie przy użyciu systemu analizy i raportowania danych klinicznych (CDARS) oraz systemu zarządzania klinicznego (CMS). Kohorta obejmująca cały klaster (New Territories East Cluster, NTEC) składająca się z pacjentów z historią potwierdzonego histologicznie IM i AG żołądka zostanie zidentyfikowana i włączona do późniejszej analizy. Okres zbierania danych dla danych retrospektywnych to lata 2000-2020.
Slajdy histologiczne zostaną pobrane retrospektywnie, gdy będą dostępne (w ramach NTEC). Technika obrazowania całych preparatów zostanie wykorzystana do opracowania kohort szkoleniowych i walidacyjnych z algorytmami uczenia maszynowego w części patologicznej.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Felix Sia
- Numer telefonu: +85226370428
- E-mail: felix.sia@cuhk.edu.hk
Kopia zapasowa kontaktu do badania
- Nazwa: Thomas Lam
- Numer telefonu: +85226370428
- E-mail: thomas.lam@cuhk.edu.hk
Lokalizacje studiów
-
-
New Territories
-
Shatin, New Territories, Hongkong
- Rekrutacyjny
- Prince of Wales Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Dane kliniczne będą gromadzone retrospektywnie przy użyciu systemu analizy i raportowania danych klinicznych (CDARS) oraz systemu zarządzania klinicznego (CMS). Kohorta obejmująca cały klaster (New Territories East Cluster, NTEC) składająca się z pacjentów z historią potwierdzonego histologicznie IM i AG żołądka zostanie zidentyfikowana i włączona do późniejszej analizy. Okres zbierania danych dla danych retrospektywnych to lata 2000-2020.
Slajdy histologiczne zostaną pobrane retrospektywnie, gdy będą dostępne (w ramach NTEC). Technika obrazowania całych preparatów zostanie wykorzystana do opracowania kohort szkoleniowych i walidacyjnych z algorytmami uczenia maszynowego w części patologicznej.
Opis
Kryteria przyjęcia:
- Dorośli >= 18 lat
- Potwierdzone histologicznie zanikowe zapalenie błony śluzowej żołądka lub metaplazja jelitowa (przy antrum i/lub trzonie i/lub kątach żołądka)
Kryteria wyłączenia:
- nic
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
|---|
|
Metaplazja jelit
pacjent z histologicznie potwierdzoną metaplazją jelitową żołądka
|
|
Zanikowe zapalenie błony śluzowej żołądka
pacjent z histologicznie potwierdzonym zanikowym zapaleniem błony śluzowej żołądka w wywiadzie
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Rak żołądka i dysplazja żołądka
Ramy czasowe: 20 lat
|
Pierwszorzędowym punktem końcowym jest częstość występowania raka żołądka (typu jelitowego) i dysplazji żołądka (dysplazja niskiego i wysokiego stopnia).
|
20 lat
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Ogólna dokładność modelu uczenia maszynowego
Ramy czasowe: 20 lat
|
Oceniona zostanie ogólna dokładność modeli uczenia maszynowego
|
20 lat
|
|
Czułość modelu uczenia maszynowego
Ramy czasowe: 20 lat
|
Oceniona zostanie czułość modelu uczenia maszynowego
|
20 lat
|
|
Specyfika modelu uczenia maszynowego
Ramy czasowe: 20 lat
|
Oceniona zostanie specyfika modelu uczenia maszynowego
|
20 lat
|
|
Dodatnia wartość predykcyjna modelu uczenia maszynowego
Ramy czasowe: 20 lat
|
Oceniona zostanie dodatnia wartość predykcyjna modelu uczenia maszynowego
|
20 lat
|
|
Ujemna wartość predykcyjna modelu uczenia maszynowego
Ramy czasowe: 20 lat
|
Oceniona zostanie ujemna wartość predykcyjna modelu uczenia maszynowego
|
20 lat
|
|
Obszar pod krzywą charakterystyki działania odbiornika modelu uczenia maszynowego
Ramy czasowe: 20 lat
|
Oceniony zostanie obszar pod krzywą charakterystyczną działania odbiornika modelu uczenia maszynowego
|
20 lat
|
Współpracownicy i badacze
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
- Choroby Układu Pokarmowego
- Procesy patologiczne
- Nowotwory
- Nowotwory według lokalizacji
- Nowotwory przewodu pokarmowego
- Nowotwory Układu Pokarmowego
- Choroby przewodu pokarmowego
- Choroby żołądka
- Nieżyt żołądka i jelit
- Stany patologiczne, anatomiczne
- Nowotwory żołądka
- Nieżyt żołądka
- Zanik
- Metaplazja
- Zapalenie błony śluzowej żołądka, zanikowe
Inne numery identyfikacyjne badania
- 2021.082
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
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 .