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

Opracowanie i demonstracja inteligentnej oceny opartej na multimodalnej fuzji informacji w zakresie ryzyka nowotworu oraz diagnostyki i leczenia

20 października 2024 zaktualizowane przez: Wuhan Union Hospital, China
Aby poprawić dokładność przewidywania ryzyka, badań przesiewowych i wyników leczenia raka, naszym celem jest utworzenie medycznej bazy danych zawierającej wystandaryzowane i ustrukturyzowane informacje dotyczące diagnostyki klinicznej i leczenia, cechy obrazu, cechy patologiczne i informacje multiomiczne, a także opracować wielo- system technologii modalnej opartej na fuzji danych, wykorzystujący technologię sztucznej inteligencji bazującą na bazie danych.

Przegląd badań

Szczegółowy opis

Główne cele są następujące:

  1. Utworzenie platformy danych zawierającej wielomodalne informacje na temat powszechnych nowotworów (rak płuc/guzki płuc, rak żołądka i jelita grubego): elektroniczna dokumentacja medyczna (w tym rutynowe wykrywanie kliniczne, leczenie, wynik), dane obrazu patologicznego, obrazowanie medyczne (CT, MRI) , ultradźwięki, medycyna nuklearna itp.), dane z wielu badań omicznych (genom, transkryptom i metabolom, proteomika), dane z badań omicznych, etiologia i informacje na temat narażenia na czynniki rakotwórcze.
  2. Wykorzystamy technologię sztucznej inteligencji do stworzenia multimodalnej technologii medycznej analizy krzyżowej dużych zbiorów danych oraz powyższych, zindywidualizowanych modeli dokładnej diagnozy i przewidywania efektów leczniczych choroby. Aby rozwiązać trzy kluczowe problemy multimodalnej fuzji danych, takie jak niezrównoważona, mała wielkość próbki i słaba interpretowalność, opracujemy algorytm rozpoznawania sztucznej inteligencji dla obrazów obrazów i obrazów patologicznych oraz wykorzystamy przetwarzanie obrazów i głębokie uczenie się technologie umożliwiające wydobywanie wielopoziomowych, głębokich cech wizualnych danych obrazowych i danych patologicznych. Dodatkowo będziemy wykorzystywać algorytmy analizy bioinformatycznej do prowadzenia eksploracji sieci molekularnych oraz analizy funkcjonalnej markerów molekularnych na poziomie technologii wielu omików (patologicznej, genomicznej, transkryptomu, metabolomu, proteomu itp.).

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

3000

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

  • Nazwa: Juanjuan Xu
  • Numer telefonu: +86 15827125538
  • E-mail: whuhjy@126.com

Kopia zapasowa kontaktu do badania

  • Nazwa: Yang Jin

Lokalizacje studiów

    • Hubei
      • Wuhan, Hubei, Chiny, 430000
        • Rekrutacyjny
        • Wuhan Union Hospital
        • Kontakt:
          • Juanjuan Xu

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

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Pacjenci z podejrzeniem raka/węzła płuc, raka/zmiany żołądka lub raka/zmiany jelita grubego

Opis

Kryteria włączenia:

  1. Uczestnicy z podejrzeniem raka/węzła płuc, raka/zmiany żołądka lub raka/zmiany jelita grubego
  2. Uczestnicy, którzy podpisali świadomą zgodę.
  3. Uczestnicy ze szczegółową elektroniczną dokumentacją medyczną, dokumentacją obrazową, dokumentacją patologiczną, informacjami multiomicznymi i innymi ważnymi informacjami z diagnostyki klinicznej.
  4. Zdrowi uczestnicy bez rozpoznania klinicznego raka/węzła płuc, raka/zmiany żołądka lub raka/zmiany jelita grubego.

Kryteria wykluczenia:

  1. Uczestnicy, którym brakuje podstawowych danych klinicznych i patologicznych.
  2. Uczestnicy przegrali z kontynuacją.
  3. Uczestnicy ze zbyt słabą jakością obrazu medycznego, aby dokładnie wykonać segment i oznaczyć ROI

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
Grupa raka płuc
Uczestnicy z rakiem płuc/guzkami płucnymi
Brak interwencji
Grupa raka żołądka
Uczestnicy z rakiem/zmianą żołądka
Brak interwencji
Grupa raka jelita grubego
Uczestnicy z rakiem jelita grubego/zmianą jelita grubego
Brak interwencji

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wynik diagnostyki klinicznej pacjentów z podejrzeniem raka płuca/guzkowego guzka płuca (guzek łagodny/złośliwy)
Ramy czasowe: 2022-2026

Wynik diagnostyki klinicznej pacjentów z rakiem płuca/guzkiem płucnym (guzek łagodny/złośliwy).

① Łagodny guzek

② Nowotwór złośliwy/guzek: rak płaskonabłonkowy, gruczolakorak, rak drobnokomórkowy i rak wielkokomórkowy.

2022-2026
Wynik diagnozy klinicznej podejrzanych pacjentów o raka jelita grubego lub zmianę (łagodną/złośliwą).
Ramy czasowe: 2022-2026

① Łagodny

② Złośliwy

2022-2026
Odpowiedź na leczenie przeciwnowotworowe w pierwszej ocenie u pacjentów z rakiem płuc/żołądka/jelita grubego (CR, PR, PD, SD).
Ramy czasowe: 2022-2026

Odpowiedź na leczenie przeciwnowotworowe przy pierwszej ocenie u pacjentów z rakiem płuc/żołądka/jelita grubego jest zgodna z The Response Evaluation Criteria In Solid Tumors (RECIST wersja 1.1) Światowej Organizacji Zdrowia (WHO). Wskaźnik oceny jest następujący.

CR (odpowiedź całkowita): Zniknięcie wszystkich zmian docelowych i zmniejszenie pomiaru w osi krótkiej wszystkich patologicznych węzłów chłonnych do ≤10 mm.

PR (odpowiedź częściowa): 30% zmniejszenie sumy najdłuższej średnicy zmian docelowych w porównaniu z wartością wyjściową.

PD (choroba postępująca): ≥20% wzrost o co najmniej 5 mm sumy najdłuższej średnicy docelowych zmian w porównaniu z najmniejszą sumą najdłuższej zarejestrowanej średnicy LUB Pojawienie się nowych zmian, w tym wykrytych za pomocą FDG-PET (pozytonowa tomografia emisyjna fludeoksyglukozy).

SD (choroba stabilna): Ani PR, ani PD.

2022-2026

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Główny śledczy: Yang Jin, Wuhan Union Hospital, China

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 czerwca 2022

Zakończenie podstawowe (Szacowany)

1 października 2025

Ukończenie studiów (Szacowany)

1 października 2026

Daty rejestracji na studia

Pierwszy przesłany

20 października 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

20 października 2024

Pierwszy wysłany (Rzeczywisty)

22 października 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

22 października 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

20 października 2024

Ostatnia weryfikacja

1 września 2024

Więcej informacji

Terminy związane z tym badaniem

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