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

Różnicowanie łagodnych i złośliwych zmian trzustki (D)

12 października 2024 zaktualizowane przez: Liao Hongfan, First Affiliated Hospital of Chongqing Medical University

Zwiększanie dokładności klasyfikacji łagodnych i złośliwych zmian trzustki przy użyciu modelu MVIT-MLKA: kompleksowa ocena i badanie porównawcze

Model MVIT-MLKA, dzięki złożonej architekturze łączącej CNN i Transformers, przoduje w ekstrakcji cech obrazu i przechwytywaniu zależności dalekiego zasięgu. Zapewnia to dużą zdolność adaptacji i niezawodność w zadaniach związanych z wykrywaniem i klasyfikacją uszkodzeń. W porównaniu z tradycyjnymi metodami uczenia maszynowego i innymi modelami głębokiego uczenia się, MVIT-MLKA nie tylko działa lepiej pod względem dokładności, czułości i swoistości, ale także pomaga zmniejszyć zmienność między obserwatorami, zwiększając spójność diagnostyczną wśród lekarzy.

Chociaż model wykazywał niewielkie wahania w działaniu na zewnętrznych zbiorach danych, nadal ogólnie przewyższa inne modele i ma znaczny potencjał do zastosowań klinicznych. Dzięki dalszej optymalizacji w celu poprawy możliwości uogólniania, MVIT-MLKA może stać się potężnym narzędziem do diagnozowania zmian łagodnych i złośliwych, zapewniając bardziej spójne i dokładne wsparcie w praktyce klinicznej.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Szczegółowy opis

Dokładne różnicowanie łagodnych i złośliwych zmian w trzustce ma kluczowe znaczenie w leczeniu pacjenta. Celem tego badania było opracowanie i walidacja nowatorskiej sieci głębokiego uczenia się wykorzystującej podstawowe obrazy tomografii komputerowej do przewidywania łagodnych i złośliwych zmian w trzustce. To retrospektywne badanie przeprowadzone w trzech ośrodkach medycznych składało się z kohorty szkoleniowej, wewnętrznej kohorty testującej i zewnętrznej kohorty walidacyjnej. Do klasyfikacji zmian w trzustce opracowano nowatorski model hybrydowy Multi-Scale Large Kernel Attention with Mobile Vision Transformer (MVIT-MLKA), integrujący architekturę CNN i Transformer. Porównaliśmy wydajność modelu z tradycyjnymi metodami uczenia maszynowego i głębokiego uczenia się. Co więcej, oceniliśmy dokładność diagnostyczną radiologów z optymalną pomocą modelu i bez niej. Model MVIT-MLKA wykazał doskonałą skuteczność w przewidywaniu zmian w trzustce, przewyższając tradycyjne modele oraz standardowe CNN i Transformers. Radiologowie korzystający z modelu MVIT-MLKA wykazali znaczną poprawę wyników diagnostycznych w porównaniu z radiologami, którzy nie korzystali z modelu, przy zauważalnym wzroście zarówno dokładności, jak i czułości. Możliwość interpretacji modelu została zwiększona dzięki wizualizacji Grad-CAM, skutecznie podkreślając kluczowe obszary zmian. Model MVIT-MLKA skutecznie różnicuje łagodne i złośliwe zmiany trzustki, przewyższając tradycyjne metody i zwiększając wydajność radiologa. Sugeruje to, że włączenie zaawansowanego modelu głębokiego uczenia się do praktyki klinicznej może potencjalnie ograniczyć błędy diagnostyczne i zoptymalizować strategie leczenia w praktyce klinicznej.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

864

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Chiny
    • Chongqing
      • Chongqing, Chongqing, Chiny, 400016
        • The First Affiliated Hospital of Chongqing Medical University

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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

wszystkie osoby zostały wybrane z trzech ośrodków medycznych w prowincji Chongqing

Opis

Kryteria włączenia:

U wszystkich pacjentów ze zmianami złośliwymi trzustki potwierdzono histopatologię zgodnie z 8. edycją systemu klasyfikacji TNM American Joint Committee on Cancer [25]; Zmiany klasyfikowano jako łagodne, jeśli miały potwierdzenie histopatologiczne lub wykazywały łagodne cechy i stabilność przez co najmniej rok obserwacji w obrazowaniu CT lub MRI; (2) Pacjentów poddano przedoperacyjnej tomografii komputerowej jamy brzusznej ze wzmocnionym kontrastem; (3) Przed tomografią komputerową nie przeprowadzono żadnego leczenia przeciwnowotworowego

Kryteria wykluczenia:

(1) Pacjenci ze znaczącymi artefaktami ruchowymi lub innymi problemami z obrazowaniem; (2) Odstęp czasowy wynoszący jeden miesiąc lub dłużej pomiędzy tomografią komputerową a kolejną operacją; (3) Guzy o maksymalnej średnicy mniejszej niż 10 mm.

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
łagodne i złośliwe

Grupa zmian łagodnych: kohorta ta obejmuje pacjentów, u których zdiagnozowano łagodne zmiany trzustki, takie jak torbiele trzustki lub guzy neuroendokrynne. Pacjenci ci zazwyczaj nie wymagają agresywnego leczenia, takiego jak operacja czy chemioterapia, i są leczeni poprzez regularne monitorowanie i nieinwazyjne interwencje. Do klasyfikacji zmian jako łagodnych wykorzystuje się potwierdzenie histopatologiczne lub stabilność w ciągu co najmniej roku obserwacji bez progresji.

Grupa zmian złośliwych: Kohorta ta obejmuje pacjentów, u których zdiagnozowano złośliwe zmiany trzustki, takie jak gruczolakorak przewodowy trzustki (PDAC). Pacjenci ci często wymagają bardziej agresywnych metod leczenia, w tym chirurgii, chemioterapii i radioterapii. Złośliwość zmian potwierdza się na podstawie analizy histopatologicznej, a kohorta skupia się na przypadkach z wyraźnymi dowodami wzrostu i progresji guza.
Procedura: Procedura Whipple’a
Zwykle stosowany w leczeniu raka trzustki, szczególnie guzów umiejscowionych w głowie trzustki.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
całkowity czas przeżycia
Ramy czasowe: 1 rok
Główną miarą wyniku w tym badaniu było przeżycie całkowite (OS), liczone od daty pierwszej operacji do daty śmierci z dowolnej przyczyny lub ostatniej wizyty kontrolnej.
1 rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

First Affiliated Hospital of Chongqing Medical University

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)

11 stycznia 2022

Zakończenie podstawowe (Rzeczywisty)

5 marca 2024

Ukończenie studiów (Rzeczywisty)

20 września 2024

Daty rejestracji na studia

Pierwszy przesłany

12 października 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

12 października 2024

Pierwszy wysłany (Rzeczywisty)

15 października 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

15 października 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

12 października 2024

Ostatnia weryfikacja

1 października 2024

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • Observational

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Zamierzamy udostępnić IPD na żądanie wykwalifikowanym badaczom. Będzie to podlegać zatwierdzeniu etycznemu i przestrzeganiu odpowiednich przepisów o ochronie danych.

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 Guz trzustki

Badania kliniczne na Procedura Whipple’a

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in South Korea

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj