Model multimodalny przewiduje nawrót (FUTURE12)
13 listopada 2024 zaktualizowane przez: Qun Zhao
Multimodalny model sztucznej inteligencji oparty na obrazowaniu klinicznym i patologii do przewidywania pooperacyjnego nawrotu miejscowo zaawansowanego raka żołądka
Badanie to koncentruje się na opracowaniu zaawansowanego modelu, który łączy informacje kliniczne, obrazowe i dane patologiczne w celu przewidywania prawdopodobieństwa nawrotu nowotworu po operacji u pacjentów z miejscowo zaawansowanym rakiem żołądka.
Dzięki wykorzystaniu sztucznej inteligencji (AI) model ten analizuje różne źródła danych w celu dokładniejszego przewidywania ryzyka nawrotu, co może pomóc lekarzom, pacjentom i rodzinom lepiej zrozumieć ryzyko nawrotu.
To podejście oparte na sztucznej inteligencji umożliwia podmiotom świadczącym opiekę zdrowotną podejmowanie bardziej świadomych decyzji dotyczących spersonalizowanej opieki uzupełniającej i potencjalnych dodatkowych metod leczenia w celu poprawy wyników leczenia pacjentów.
Przegląd badań
Status
Zakończony
Warunki
Interwencja / Leczenie
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
93
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Hebei
-
Shijiazhuang, Hebei, Chiny, 050011
- The Fourth Hospital of Hebei 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 bez prawdopodobieństwa
Badana populacja
Badaną populację stanowią dorośli pacjenci (w wieku 18 lat i starsi) ze zdiagnozowanym miejscowo zaawansowanym rakiem żołądka (w II lub III stopniu zaawansowania), którzy przeszli resekcję chirurgiczną.
Populacja ta jest wybierana na podstawie dostępności pełnych danych klinicznych, obrazowych i patologicznych niezbędnych do analizy za pomocą multimodalnego modelu predykcyjnego opartego na sztucznej inteligencji.
Badanie koncentruje się na ocenie ryzyka nawrotu pooperacyjnego w tej konkretnej grupie, aby poprawić spersonalizowaną obserwację i planowanie leczenia.
Opis
**Kryteria włączenia:**
- Pacjenci ze zdiagnozowanym miejscowo zaawansowanym rakiem żołądka (stadium II lub III).
- Pacjenci, którzy przeszli resekcję chirurgiczną z powodu raka żołądka.
- Pacjenci z pełnymi danymi klinicznymi, obrazowymi i patologicznymi dostępnymi do analizy.
- Wiek 18 lat lub więcej.
- Pacjenci, którzy wyrażą świadomą zgodę na udział w badaniu.
**Kryteria wykluczenia:**
- Pacjenci z przerzutami odległymi (stadium IV) w momencie rozpoznania.
- Pacjenci z niekompletnymi lub brakującymi danymi klinicznymi, obrazowymi lub patologicznymi.
- Pacjenci, którzy byli wcześniej leczeni z powodu raka żołądka w sposób inny niż resekcja chirurgiczna.
- Pacjenci z innymi współistniejącymi nowotworami złośliwymi.
- Pacjenci, którzy nie są w stanie lub nie chcą przestrzegać wymagań dotyczących obserwacji po badaniu.
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
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność przewidywania nawrotu pooperacyjnego w miejscowo zaawansowanym raku żołądka
Ramy czasowe: Kontrola pooperacyjna 24 miesiące
|
Podstawową miarą wyniku jest dokładność multimodalnego modelu AI w przewidywaniu ryzyka nawrotu pooperacyjnego u pacjentów z miejscowo zaawansowanym rakiem żołądka.
Ocenia się to poprzez porównanie przewidywań modelu z rzeczywistymi zdarzeniami nawrotowymi w określonym okresie obserwacji, co pozwala na ocenę jego skuteczności w identyfikacji pacjentów wysokiego ryzyka i podejmowaniu decyzji klinicznych.
|
Kontrola pooperacyjna 24 miesiące
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Sponsor
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 2022
Zakończenie podstawowe (Rzeczywisty)
31 października 2024
Ukończenie studiów (Rzeczywisty)
31 października 2024
Daty rejestracji na studia
Pierwszy przesłany
13 listopada 2024
Pierwszy przesłany, który spełnia kryteria kontroli jakości
13 listopada 2024
Pierwszy wysłany (Rzeczywisty)
15 listopada 2024
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
15 listopada 2024
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
13 listopada 2024
Ostatnia weryfikacja
1 listopada 2024
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- FUTURE12
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 .