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

Modele sztucznej inteligencji do precyzyjnego przewidywania i leczenia raka prostaty

27 października 2024 zaktualizowane przez: Shao Pengfei

Dokładne przewidywanie i leczenie raka prostaty za pomocą pełnych obrazów slajdów i rezonansu magnetycznego opartych na modelu sztucznej inteligencji

Celem tego badania klinicznego jest sprawdzenie, czy modele sztucznej inteligencji można wykorzystać do dokładnej diagnostyki klinicznej przedoperacyjnej i pooperacyjnej w zakresie zmian patologicznych, a także zmierzenie dokładności przewidywań dokonywanych przez modele sztucznej inteligencji. Główne pytania docelowe, na które odpowiada model budynek to:

  1. czy model sztucznej inteligencji może uczyć się na podstawie przedoperacyjnego rezonansu magnetycznego i pooperacyjnych obrazów całych slajdów, aby dokładnie przewidzieć informacje, takie jak łagodność lub złośliwość, agresywność, stopniowanie, podtypy, geny itp. w przypadku uczestników podejrzanych o raka prostaty przed operacją/nakłuciem.
  2. czy model sztucznej inteligencji jest w stanie uczyć się slajdów makropatologii pooperacyjnej, aby umożliwić diagnozę wyników slajdów patologii chirurgicznej u nowych uczestników.

Uczestnicy będą:

  1. ukończyć badanie MRI i poddać analizie obrazy MRI za pomocą ustalonego modelu sztucznej inteligencji, aby postawić dokładną diagnozę.
  2. Na podstawie diagnozy, jeśli przewiduje się raka prostaty, zostaną poddani radykalnej operacji raka prostaty i udoskonalą patologię chirurgiczną.

Przegląd badań

Status

Jeszcze nie rekrutacja

Warunki

Interwencja / Leczenie

Szczegółowy opis

W oparciu o technologię sztucznej inteligencji model predykcyjny budowany jest poprzez nakreślenie korelacji mapowania ilościowego pomiędzy pełnymi obrazami slajdów raka prostaty z adnotacjami a obrazem MRI oraz wyjaśnienie wspólnych cech. Po pierwsze, model pozwala dokładnie zdiagnozować radykalną patologię raka prostaty, który można wyłączyć z badań immunohistochemicznych w celu uzyskania szczegółowych informacji patologicznych; po drugie, ustalony model przewidywania sztucznej inteligencji może dokładnie zdiagnozować łagodny/złośliwy, inwazyjność, stopień i podtyp raka prostaty poprzez przewidywanie obrazów MRI uczestnika przed operacją lub nakłuciem, dzięki czemu można opracować dla pacjenta spersonalizowany plan leczenia przed operacją lub nakłuciem . Wreszcie, w oparciu o technologię AI, model uczy się na podstawie obrazów MRI i przeprowadza rekonstrukcję 3D prostaty i zmian przed operacją/nakłuciem, wyjaśniając w ten sposób dokładną lokalizację zmian i kierując nakłuciem lub leczeniem chirurgicznym.

Typ studiów

Interwencyjne

Zapisy (Szacowany)

200

Faza

  • Nie dotyczy

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

  • Nazwa: Pan Zang, Postgraduate
  • Numer telefonu: 18914730216
  • E-mail: 896381164@qq.com

Lokalizacje studiów

  • Chiny
    • Jiangsu
      • Nanjing, Jiangsu, Chiny, 210036
        • The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)

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

Opis

Kryteria włączenia:

  • Pacjenci z podejrzeniem PCa (podwyższone PSA lub podejrzane zmiany dodatnie w wynikach USG lub MRI);

Kryteria wykluczenia:

  • Wcześniejsze leczenie prostaty w dowolnej formie, w tym zabieg chirurgiczny, radioterapia/chemioterapia, terapia hormonalna, terapia celowana i immunoterapia;
  • Pacjenci, u których w wyjściowych informacjach klinicznych i patologicznych brakuje jakiejkolwiek pozycji;
  • Pacjenci z innymi nowotworami złośliwymi, poważnymi chorobami współistniejącymi lub innymi problemami zdrowotnymi w wywiadzie;
  • Nie można dostarczyć/podpisać formularza świadomej zgody;
  • Pacjenci, którzy w ocenie badacza zostaną uznani za niezdolnych do udziału w tym badaniu klinicznym;

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

  • Główny cel: Diagnostyczny
  • Przydział: Randomizowane
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Potroić

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: Grupa eksperymentalna
Ta grupa pacjentów będzie otrzymywać predykcje wspomagane modelami sztucznej inteligencji.
Test diagnostyczny: Dokładne przewidywanie modeli sztucznej inteligencji
Test diagnostyczny: dokładne przewidywanie modeli sztucznej inteligencji Patologia pooperacyjna, precyzyjna diagnostyka przedoperacyjna (w tym zmiany łagodne i złośliwe, inwazyjne, stopniowanie, podtypy) lub modelowanie zmian 3D będą przewidywane w oparciu o model predykcyjny AI w odpowiedzi na dostarczone informacje
Brak interwencji: Grupa Kontrolna
Ta grupa pacjentów nie będzie otrzymywać prognoz wspomaganych modelami sztucznej inteligencji.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Prognozowanie patologii po radykalnego raka prostaty po radykalnej prostatektomii przy użyciu kompleksowego modelu oceny „AUC”.
Ramy czasowe: Od przyjęcia pacjenta do wstępnego okresu pooperacyjnego, zwykle 30–90 dni.
„AUC” odnosi się do obszaru pod krzywą ROC (charakterystyka operacyjna odbiornika), która wskazuje skuteczność modelu w przewidywaniu informacji patologicznych związanych z rakiem prostaty na podstawie badań immunohistochemicznych po operacji, a AUC mieści się w zakresie od 0–1, przy większej wartości wskazując na lepszy efekt przewidywania.
Od przyjęcia pacjenta do wstępnego okresu pooperacyjnego, zwykle 30–90 dni.
Przewidywanie przebiegu patologii postradykalnej za pomocą kompleksowego modelu oceny „AUC”.
Ramy czasowe: Od przyjęcia pacjenta do wstępnego okresu pooperacyjnego, zwykle 30–90 dni.
„AUC” odnosi się do obszaru pod krzywą ROC (charakterystyka operacyjna odbiornika), wskazując poziom skuteczności modelu w przewidywaniu raka prostaty w okresie przedoperacyjnym, przy czym AUC waha się od 0-1, przy czym większe wartości wskazują na lepsze wyniki przewidywania.
Od przyjęcia pacjenta do wstępnego okresu pooperacyjnego, zwykle 30–90 dni.
„F1 Score” do oceny wydajności przedoperacyjnego modelowania 3D
Ramy czasowe: Od włączenia pacjenta do wstępnego okresu pooperacyjnego/rekonwalescencji po nakłuciu, zwykle 30–90 dni.
Uzgodniona średnia precyzji i przypominalności modelowania 3D przedoperacyjnego oceniana na podstawie „wyniku F1”, który odzwierciedla dopasowanie do sytuacji rzeczywistej.
Od włączenia pacjenta do wstępnego okresu pooperacyjnego/rekonwalescencji po nakłuciu, zwykle 30–90 dni.

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Ocenić wielkość różnicy kosztów między modelem predykcyjnym a podejściem klinicznym na podstawie „oszczędności kosztów ekonomicznych”
Ramy czasowe: Od włączenia pacjenta do wstępnego okresu pooperacyjnego/rekonwalescencji po nakłuciu, zwykle 30–90 dni.
Porównaj różnicę w kosztach poniesionych przy użyciu modelu predykcyjnego z kosztami przewidywanymi przy użyciu podejścia klinicznego, różnica będzie wyrażona w juanach.
Od włączenia pacjenta do wstępnego okresu pooperacyjnego/rekonwalescencji po nakłuciu, zwykle 30–90 dni.
„Czas diagnostyczny” ocenia czas potrzebny do przewidzenia patologii związanej z immunohistochemią w okresie pooperacyjnym.
Ramy czasowe: Od włączenia pacjenta do wstępnego okresu pooperacyjnego/rekonwalescencji po nakłuciu, zwykle 30–90 dni.
Czas spędzony na przewidywaniu pooperacyjnym lub pomaganiu patologowi w uzyskaniu informacji o patologii związanych z immunohistochemią jest oceniany na podstawie „Czasu diagnostycznego” i będzie mierzony w minutach.
Od włączenia pacjenta do wstępnego okresu pooperacyjnego/rekonwalescencji po nakłuciu, zwykle 30–90 dni.

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Shao Pengfei

Współpracownicy

Institute of Automation, Chinese Academy of Sciences

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 (Szacowany)

1 grudnia 2024

Zakończenie podstawowe (Szacowany)

1 stycznia 2030

Ukończenie studiów (Szacowany)

31 grudnia 2030

Daty rejestracji na studia

Pierwszy przesłany

13 sierpnia 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

27 października 2024

Pierwszy wysłany (Rzeczywisty)

29 października 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

29 października 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

27 października 2024

Ostatnia weryfikacja

1 października 2024

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • Shao Pengfei

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

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