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

System głębokiego uczenia się oparty na obrazach całych slajdów i radiomice CT do prognozowania w raku pęcherza moczowego

5 listopada 2026 zaktualizowane przez: Mingzhao Xiao

Bladder cancer (BLCA), with its diverse histopathological features and varying patient outcomes, poses significant challenges in diagnosis and prognosis. Postoperative survival stratification based on radiomics feature and whole slide image feature may be useful for treatment decisions to improve prognosis. In this research, we aim to develop a deep learning-based prognostic-stratification system for automatic prediction of overall and cancer-specific survival in patients with BLCA.This observational study evaluates a deep learning system that combines CT images and digitized pathology slides to predict outcomes in patients with bladder cancer. It includes a retrospective cohort and a prospective cohort of newly enrolled patients. The prospective cohort will assess the system in patients enrolled during (2024-2026), with follow-up for survival and recurrence.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Study structure The study includes an initial retrospective phase and a subsequent prospective observational phase involving newly enrolled patients. The two phases are analyzed separately according to the specified analysis plan.

Retrospective phase The retrospective phase included patients from [2012-2024] and was used for model construction. Results from this phase were reported in npj series.

Prospective phase Enrollment of newly recruited patients began on [2024]. The prospective phase follows protocol, with ethics approval from the first affliated hospital of chongqing medical, university. Recruitment is consecutive, as specified in the protocol.

Model evaluation The prospective cohort is used for validation. The model version, preprocessing procedures and prediction thresholds used in this phase. Any model updating using this cohort is documented separately.

Registry update This update distinguishes the retrospective phase from the subsequently enrolled cohort. The prospective phase enrollment dates and the dates of protocol development and ethics approval are reported separately.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

2000

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Kopia zapasowa kontaktu do badania

Lokalizacje studiów

  • Chiny
    • Chongqing Municipality
      • Chongqing, Chongqing Municipality, Chiny, 400016
        • Rekrutacyjny
        • Department of Urology, The First Affiliated Hospital of Chongqing Medical University
        • Kontakt:
        • Kontakt:

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

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

We included patients who had surgery only or who had neoadjuvant chemotherapy before surgery. We excluded patients with a postoperative diagnosis of non-urothelial carcinoma.

Opis

Inclusion Criteria:

  • patients with bladder cancer who had surgery like radical cystectomy or transurethral resection of bladder tumour (TURBT)
  • contrast-CT scan less than two weeks before surgery
  • complete CT image data and clinical data
  • complete whole slide image data

Exclusion Criteria:

  • patients with a postoperative diagnosis of non-urothelial carcinoma
  • poor quality of CT images

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

  • Modele obserwacyjne: COHORT
  • Perspektywy czasowe: OTHER

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Retrospective cohort

Patients with bladder cancer included in the retrospective phase of the study, using clinical records, CT images, and whole-slide images obtained during [2012-2024]. This cohort was used for model development and/or validation and was reported in our npj publications.
Inny: Deep learning system for prognostication prediction in bladder cancer

develop and validate a deep learning system for prognostication prediction in bladder cancer based on CT radiomics and whole slide images.
Prospective cohort of newly enrolled patients

Newly enrolled patients with bladder cancer recruited at four centers between 2024 and2026. Eligibility is assessed at enrollment, and participants are followed according to protocol version and date for the study outcomes. This cohort is distinct from the previously reported retrospective cohort.
Inny: Deep learning system for prognostication prediction in bladder cancer

develop and validate a deep learning system for prognostication prediction in bladder cancer based on CT radiomics and whole slide images.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Overall survival
Ramy czasowe: up to 10 years

the time from the date of surgery to death from any cause or the date of last contact (censored observation) at the date of data cut-off.
up to 10 years

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Recurrence free survival
Ramy czasowe: up to 10 years

the time from the date of surgery to the date of first documented disease recurrence. Patients without recurrence at the time of analysis will be censored
up to 10 years
progression-free survival
Ramy czasowe: up to 10 years

The length of time during and after the treatment of a disease, such as cancer, that a patient lives with the disease but it does not get worse. In a clinical trial, measuring the progression-free survival is one way to see how well a new treatment works. Also called PFS.
up to 10 years

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Mingzhao Xiao

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 stycznia 2024

Zakończenie podstawowe (Szacowany)

1 grudnia 2027

Ukończenie studiów (Szacowany)

1 grudnia 2027

Daty rejestracji na studia

Pierwszy przesłany

25 kwietnia 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

26 kwietnia 2024

Pierwszy wysłany (Rzeczywisty)

29 kwietnia 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

9 listopada 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

5 listopada 2026

Ostatnia weryfikacja

1 listopada 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • BLCA_CMUFH
  • K2024-187-01 (Inny identyfikator: The First Affiliated Hospital of Chongqing Medical University)

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

The datasets analyzed during the current study are not publicly available due to the privacy of patients but are available from the corresponding author on reasonable request.

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 .

Subskrybuj