Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

System wspomagany sztuczną inteligencją do dokładnej diagnostyki i prognozowania guzów liściastych piersi

22 lutego 2024 zaktualizowane przez: nieyan, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Opracowanie systemu opartego na sztucznej inteligencji do precyzyjnej diagnostyki i prognozowania guzów liściastych piersi

Guz liściasty piersi (PT) to rzadki guz włóknisto-nabłonkowy, stanowiący od 1% do 3% wszystkich nowotworów piersi, sklasyfikowany przez WHO jako łagodny, graniczny i złośliwy na podstawie cech histopatologicznych, takich jak granica guza, komórkowość zrębu, atypia zrębu , aktywność mitotyczna i przerost zrębu. Złośliwe PT stanowią 18–25% przypadków, z dużą częstością wznów miejscowych (do 65%) i przerzutów odległych (16%–25%). Łagodny PT może rozwinąć się w nowotwór złośliwy po wielokrotnych nawrotach. Dlatego wczesna, dokładna diagnoza i identyfikacja celów terapeutycznych mają kluczowe znaczenie dla poprawy wyników i wskaźników przeżycia.

W ostatnich latach rośnie zainteresowanie zastosowaniem sztucznej inteligencji (AI) w diagnostyce medycznej. Sztuczna inteligencja może integrować informacje kliniczne, obrazy histopatologiczne i dane multiomiczne, aby pomóc w diagnostyce patologicznej i klinicznej, przewidywaniu rokowania i profilowaniu molekularnym. Sztuczna inteligencja wykazała obiecujące wyniki w różnych obszarach, w tym w diagnostyce różnych nowotworów, takich jak rak jelita grubego, piersi raka i raka prostaty. Jednakże PT różni się od raka piersi pod względem diagnostyki i podejścia do leczenia. Dlatego stworzenie opartego na sztucznej inteligencji systemu precyzyjnej diagnozy i oceny rokowania PT ma kluczowe znaczenie dla medycyny personalizowanej.

Zespół badawczy, kierowany przez dr Nie Yana, jest jednym z nielicznych w prowincji Guangdong, a nawet w całym kraju, specjalizującym się w badaniach nad PT. Ich zespół prowadzi badania nad progresją nowotworu złośliwego, mechanizmami przerzutów i markerami molekularnymi PT. Zespół zidentyfikował kluczowe mechanizmy, takie jak różnicowanie fibroblastów do miofibroblastów oraz rola makrofagów towarzyszących nowotworowi w promowaniu tego różnicowania. Zidentyfikowali także markery molekularne, w tym miR-21, α-SMA, CCL18 i CCL5, które dokładniej przewidują ryzyko nawrotu nowotworu w porównaniu z tradycyjną oceną histopatologiczną.

W ramach projektu zebrano wysokiej jakości dane od prawie tysiąca pacjentek z PT piersi, w tym dane obrazowe, histopatologiczne i dotyczące przeżycia, a także przeprowadzono sekwencjonowanie genów transkryptomu na próbkach tkanek. Ich celem jest zbudowanie kompleksowej bazy danych multiomicznej dotyczącej PT piersi i stworzenie modelu opartego na sztucznej inteligencji do wczesnej diagnozy i przewidywania rokowania. Badania te mogą potencjalnie ulepszyć diagnostykę i leczenie PT piersi, wyeliminować różnice w opiece nad PT piersi w różnych regionach Chin i przyczynić się do opracowania nowych celów terapeutycznych.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

4000

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny, 510120
        • Rekrutacyjny
        • Sun Yat-sen Memorial Hospital, Sun Yat-sen University
        • Kontakt:
      • Guangzhou, Guangdong, Chiny, 510050
        • Rekrutacyjny
        • Sun Yat-sen University Cancer Center
        • Kontakt:
          • Feng Ye, Prof.Dr.
          • Numer telefonu: 15914388994
      • Guangzhou, Guangdong, Chiny, 510145
        • Rekrutacyjny
        • The Third Affiliated Hospital of Guangzhou Medical University
        • Kontakt:
          • Hui Mai, Prof.Dr.
          • Numer telefonu: 13925129112
      • Guangzhou, Guangdong, Chiny, 511400
        • Rekrutacyjny
        • Guangdong Maternal and Child Health Hospital
        • Kontakt:
          • Yu Tan, Prof.Dr.
          • Numer telefonu: 13632356526

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Pacjenci to wszyscy, którzy leczyli się w Szpitalu Pamięci Sun Yat-Sena na Uniwersytecie Sun Yat-Sena.

Opis

Kryteria przyjęcia:

  • Pacjenci, u których zdiagnozowano guz liściasty piersi

Kryteria wyłączenia:

  • Zamazany obraz, artefakty obrazowania

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Guz liściasty piersi
Pacjenci ze zdiagnozowanym guzem liściastym piersi
Test diagnostyczny: obrazowanie
Materiały do ​​obrazowania medycznego pacjenta, w tym USG, mammografia, CT, MRI

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wrażliwość
Ramy czasowe: Pięć lat
Prawdopodobieństwo pozytywnego wyniku testu, pod warunkiem, że będzie on rzeczywiście pozytywny.
Pięć lat
Wskaźnik fałszywie ujemny
Ramy czasowe: Pięć lat
Określ prawdopodobieństwo uzyskania negatywnego wyniku testu w populacji dodatniej.
Pięć lat
Specyficzność
Ramy czasowe: Pięć lat
Prawdopodobieństwo uzyskania negatywnego wyniku testu pod warunkiem uzyskania prawdziwie negatywnego wyniku.
Pięć lat
Wskaźnik wyników fałszywie dodatnich
Ramy czasowe: Pięć lat
Określ prawdopodobieństwo pozytywnego wyniku testu w populacji negatywnej.
Pięć lat
Krzywa charakterystyki działania odbiornika
Ramy czasowe: Pięć lat
Krzywa ROC jest krzywą opartą na szeregu różnych dychotomicznych klasyfikacji (wartości odcięcia lub progi decyzyjne), przy czym odsetek wyników prawdziwie pozytywnych (czułość) jest współrzędną pionową, a odsetek wyników fałszywie dodatnich (specyficzność 1) jest współrzędna pozioma.
Pięć lat
Obszar pod krzywą roc
Ramy czasowe: Pięć lat
AUC definiuje się jako obszar pod krzywą ROC ujęty w osie, przy czym im AUC jest bliższe 1,0, tym bardziej autentyczny jest test.
Pięć lat

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Współpracownicy

Sun Yat-sen University
The Third Affiliated Hospital of Guangzhou Medical University
Peking University Shenzhen Hospital
Guangdong Provincial Maternal and Child Health Hospital

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 marca 2023

Zakończenie podstawowe (Szacowany)

31 grudnia 2027

Ukończenie studiów (Szacowany)

31 grudnia 2027

Daty rejestracji na studia

Pierwszy przesłany

22 lutego 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

22 lutego 2024

Pierwszy wysłany (Szacowany)

29 lutego 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

29 lutego 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

22 lutego 2024

Ostatnia weryfikacja

1 lutego 2024

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • SYSKY-2023-351-02

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

nie planuje się udostępniania danych poszczególnych uczestników innym badaczom.

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Badania kliniczne na obrazowanie

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Mexico

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj