- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT06301945
Narzędzie do przewidywania sztucznej inteligencji w guzach nabłonkowych grasicy (INTHYM)
Sztuczna inteligencja do klasyfikacji histopatologicznej i przewidywania nawrotów guzów nabłonkowych grasicy
Celem tego wieloośrodkowego badania obserwacyjnego jest udoskonalenie klasyfikacji guzów nabłonkowych grasicy i przewidywanie ryzyka nawrotu przy użyciu modeli sztucznej inteligencji. Analizując patologię cyfrową i zmienne kliniczne, projekt ma na celu wyeliminowanie rozbieżności w obecnym systemie klasyfikacji WHO.
Główne pytania:
- Czy modele AI mogą poprawić dokładność klasyfikacji guzów nabłonkowych grasicy?
- Czy modele sztucznej inteligencji lepiej przewidują ryzyko nawrotu choroby w porównaniu z systemem klasyfikacji WHO?
Zadania uczestnika:
- Cyfrowa analiza patologii.
- Opracuj modele AI w celu precyzyjnej klasyfikacji i przewidywania ryzyka nawrotu choroby.
Grupa porównawcza:
Naukowcy porównają klasyfikację wzmocnioną sztuczną inteligencją z systemem WHO, aby ustalić, czy modele sztucznej inteligencji zapewniają bardziej precyzyjne podtypy i lepiej przewidują ryzyko nawrotu choroby.
Projekt badania:
W tym międzynarodowym projekcie wykorzystano trzy bazy danych z Rotterdamu, Maastricht i Lyonu, przy czym jedna baza danych służy do budowania modeli sztucznej inteligencji, a dwie pozostałe służą do zewnętrznej walidacji.
Ostateczny cel:
Opracuj modele sztucznej inteligencji wspierające patologów w dokładnym określaniu podtypów guzów nabłonkowych grasicy, zapobiegając niedostatecznemu lub nadmiernemu leczeniu uzupełniającą radioterapią w celu uzyskania bardziej spersonalizowanego i skutecznego leczenia.
Przegląd badań
Status
Szczegółowy opis
Guzy nabłonkowe grasicy są rzadkimi nowotworami przedniego śródpiersia. Podstawą leczenia jest resekcja chirurgiczna. Zastosowanie radioterapii pooperacyjnej jest zwykle wskazane u pacjentów z bardziej rozległą chorobą miejscową, niepełną resekcją i/lub bardziej agresywnymi podtypami, zdefiniowanymi w klasyfikacji histopatologicznej WHO.
W tej klasyfikacji wyróżnia się grasiczaki typu A, AB, B1, B2, B3 oraz raka grasicy. Badania wykazały duże rozbieżności między patologami w zakresie podtypów tych nowotworów. Co więcej, sama klasyfikacja WHO nie pozwala dokładnie przewidzieć ryzyka nawrotu choroby, gdyż w obrębie podtypów rokowanie pacjentów jest rozbieżne.
Opracujemy modele AI wykorzystujące patologię cyfrową i odpowiednie zmienne kliniczne, aby poprawić dokładność klasyfikacji histopatologicznej guzów nabłonkowych grasicy i lepiej przewidywać ryzyko nawrotu.
W tym wieloośrodkowym i międzynarodowym projekcie wykorzystane zostaną trzy istniejące bazy danych z Rotterdamu, Maastricht i Lyonu. W przypadku wszystkich modeli jedna baza danych będzie wykorzystywana do budowy modeli AI, a dwie pozostałe do zewnętrznej walidacji.
Ostatecznym celem tego projektu jest opracowanie modeli sztucznej inteligencji, które pomogą patologowi w prawidłowym określaniu podtypów guzów nabłonkowych grasicy, aby zapobiec niedostatecznemu lub nadmiernemu leczeniu uzupełniającą radioterapią.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Anna Salut Esteve Domínguez
- Numer telefonu: 0107043491
- E-mail: a.estevedominguez@erasmusmc.nl
Lokalizacje studiów
-
-
South Holland
-
Rotterdam, South Holland, Holandia, 3015 GD
- Rekrutacyjny
- Erasmus MC
-
Kontakt:
- Anna Salut Esteve Domínguez
- E-mail: a.estevedominguez@erasmusmc.nl
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Badana populacja:
Badanie to koncentruje się na osobach, u których zdiagnozowano guzy nabłonkowe grasicy. W badaniu wzięli udział pacjenci z trzech zbiorów danych: Erasmus MC (710 pacjentów), Maastro (137 pacjentów) i Szpitala Uniwersyteckiego w Lyonie (181 pacjentów).
Dodatkowe informacje:
- Erasmus MC (710 pacjentów): obejmuje informacje o wieku, płci i diagnozie; każdy pacjent może mieć wiele całych obrazów slajdów.
- Maastro (137 pacjentów): Każdy pacjent może mieć wiele całych obrazów slajdów.
- Szpital Uniwersytecki w Lyonie (181 pacjentów): Każdy pacjent może mieć wiele całych obrazów slajdów.
Opis
Kryteria przyjęcia:
Do badania kwalifikują się uczestnicy z określoną diagnozą. Kwalifikujące się diagnozy obejmują różne podtypy grasicy i raka grasicy, w szczególności:
- Tymoma A
- Tymoma AB
- Grasiczak B1
- Grasiczak B2
- Grasiczak B3
- Rak grasicy
Włączenie opiera się na konsensusowej diagnozie, przy poziomie zgodności mniejszym niż 70%. Kryterium to stosuje się na etapie uczenia modelu.
Kryteria nawrotu:
Uczestników, u których udokumentowano wynik nawrotu choroby w ciągu 5 lat, uznaje się za kwalifikujących się do tego aspektu badania. Kryterium to stosuje się przede wszystkim na etapie walidacji.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
---|---|
Pacjenci z TET
Pacjenci, u których zdiagnozowano następujące podtypy TET:
|
AI Diagnostics wykorzystuje zaawansowane algorytmy do precyzyjnej analizy obrazu histologicznego, aby pomóc w diagnozowaniu choroby, w tym podtypu.
Inne nazwy:
|
Nawrót
Pacjenci z guzami nabłonkowymi grasicy, u których doszło do nawrotu.
|
To narzędzie AI ocenia dane dotyczące guza grasicy i inne dane kliniczne oraz oblicza ryzyko nawrotu w celu przeanalizowania, czy istnieje powiązanie z określonymi podtypami guzów nabłonkowych grasicy i danymi klinicznymi.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
WP1 - Bazy danych/Wstępne przetwarzanie danych
Ramy czasowe: M1-M18
|
Zbiór danych EMC obejmuje 179 pacjentów TET sklasyfikowanych przez doświadczonych patologów TET.
Przypadki, w których patolodzy są zgodni, zostaną wykorzystane do szkolenia modeli sztucznej inteligencji.
Ocena obejmuje cyfrowe slajdy patologiczne ocenione przez międzynarodowy panel ekspertów.
Baza danych MUMC (137 pacjentów) i baza danych CHUL (181 pacjentów) dostarczają dodatkowych danych, w tym zmiennych klinicznych.
Istotne czynniki obejmują wiek, płeć, objętość guza, stopień zaawansowania, kompletność resekcji, choroby autoimmunologiczne i szczegóły leczenia.
|
M1-M18
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
WP2 – Model głębokiego uczenia się dla klasyfikacji TET i przewidywania powtarzalności
Ramy czasowe: M6-M32
|
Wynik ten ma na celu stworzenie struktury sztucznej inteligencji mającej dwa główne cele.
Najpierw zbadaj podtypy TET, używając czterech różnych modeli kładących nacisk na typ komórki, struktury morfologiczne i ich kombinację.
Po drugie, należy klasyfikować pacjentów na podstawie wyników nawrotu choroby w ciągu 5 lat.
Badanie ablacji zostanie przeprowadzone z wykorzystaniem najnowocześniejszych klasyfikatorów głębokiego uczenia się (ResNet, Inception).
|
M6-M32
|
Inne miary wyników
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
WP3: Ocena kliniczna
Ramy czasowe: M6-M36
|
Modele AI 1-3 zostaną zbudowane i sprawdzone w bazie danych EMC, natomiast model AI 4 zostanie zbudowany w bazie danych MUMC+ i zweryfikowany w obu przypadkach.
Wydajność modelu zostanie oceniona przy użyciu czułości, swoistości i ujemnej/dodatniej wartości predykcyjnej.
Krzywe analizy decyzyjnej pozwolą określić ilościowo korzyść kliniczną, identyfikując grupy pacjentów o największej użyteczności.
|
M6-M36
|
Współpracownicy i badacze
Sponsor
Publikacje i pomocne linki
Publikacje ogólne
- Wolf JL, van Nederveen F, Blaauwgeers H, Marx A, Nicholson AG, Roden AC, Strobel P, Timens W, Weissferdt A, von der Thusen J, den Bakker MA. Interobserver variation in the classification of thymic lesions including biopsies and resection specimens in an international digital microscopy panel. Histopathology. 2020 Nov;77(5):734-741. doi: 10.1111/his.14167. Epub 2020 Sep 24.
- Molina TJ, Bluthgen MV, Chalabreysse L, de Montpreville VT, de Muret A, Dubois R, Hofman V, Lantuejoul S, le Naoures C, Mansuet-Lupo A, Parrens M, Piton N, Rouquette I, Secq V, Girard N, Marx A, Besse B. Impact of expert pathologic review of thymic epithelial tumours on diagnosis and management in a real-life setting: A RYTHMIC study. Eur J Cancer. 2021 Jan;143:158-167. doi: 10.1016/j.ejca.2020.11.011. Epub 2020 Dec 11.
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
Inne numery identyfikacyjne badania
- Maastro Clinic
- 72725524 (Inny numer grantu/finansowania: Hanarth Fonds)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (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 .
Badania kliniczne na Diagnostyka Sztucznej Inteligencji
-
Northwell HealthZakończonyCałkowita wymiana kolanaStany Zjednoczone
-
Medfield DiagnosticsZakończony
-
Mansoura UniversityZakończonyZadowolenie pacjenta | Wyniki kliniczne | Powikłanie protetyczneEgipt
-
North Bristol NHS TrustEKF DiagnosticsWycofanePomiar mleczanu we krwi płoduZjednoczone Królestwo
-
Rehabilitation Hospital of Overland ParkDiscovery StatisticsRekrutacyjnyZaburzenia neurologiczneStany Zjednoczone
-
MP Biomedicals, LLCMP Biomedicals Asia Pacific Pte. Ltd.ZakończonyInfekcje HTLV-I | Infekcje HTLV-II | Ludzki wirus T-limfotropowy 1 | Ludzki wirus T-limfotropowy 2 | Chłoniak białaczkowy związany z HTLV I | Mielopatie związane z HTLV IStany Zjednoczone
-
MP Biomedicals, LLCMP Biomedicals Asia Pacific Pte. Ltd.ZakończonyInfekcje HTLV-I | Infekcje HTLV-II | Ludzki wirus T-limfotropowy 1 | Ludzki wirus T-limfotropowy 2 | Chłoniak białaczkowy związany z HTLV I | Mielopatie związane z HTLV IStany Zjednoczone
-
KU LeuvenZakończony
-
Norwegian University of Science and TechnologyZakończonyChoroby układu krążenia | OtyłośćNorwegia
-
Norwegian University of Science and TechnologyLHL HelseZakończony