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

Optymalizacja leczenia nowotworu nerek za pomocą modułów sztucznej inteligencji

16 marca 2025 zaktualizowane przez: Shao Pengfei

Mutimodalna sztuczna inteligencja w optymalizacji leczenia nowotworu nerek: diagnostyka, operacja i rokowanie

Celem tego badania obserwacyjnego jest poprawa leczenia osób z guzem nerki za pomocą multimodalnej sztucznej inteligencji (AI). Będzie także mierzyć dokładność przewidywań z modeli AI. Główne pytania, na które ma odpowiedzieć, to:

czy moduł AI może dokładnie dostarczać informacji związanych z nowotworem, np. łagodnym lub złośliwym, podtypami, stopniowaniem, stadium itp., ucząc się na podstawie przedoperacyjnych obrazów CT.
czy moduł AI może pomóc klinicystom w znalezieniu najbardziej odpowiedniego programu chirurgicznego dla osób z guzem nerki.
czy moduł AI może integrować obrazy CT i slajdy patologiczne, oferując dodatkowe informacje prognostyczne w celu poprawy przeżycia pooperacyjnego.

Uczestnicy, którzy ukończą badanie CT (zwykle badanie CT ze wzmocnionym kontrastem, CECT) i przejdą radykalną lub częściową nefrektomię, będą prowadzić aktywny nadzór i rejestrować dane dotyczące przeżycia pooperacyjnego przez 5 lat.

Przegląd badań

Status

Rekrutacyjny

Warunki

Szczegółowy opis

W tym badaniu model sztucznej inteligencji zbada i wyjaśni cechy obrazów CT guza nerki i obrazów patologicznych, które są trudne do wykrycia ręcznie, a następnie skoreluje je z wynikami klinicznymi, poprawiając w ten sposób proces diagnozowania i leczenia nowotworów nerki. Po pierwsze, model umożliwia dokładne rozróżnienie podtypów nowotworu nerki oraz przewidywanie stadium, stopnia i złożoności nowotworu, co pozwala uniknąć błędnej diagnozy i pomaga klinicystom w formułowaniu planów leczenia. Po drugie, ucząc się z filmów chirurgicznych, modelka może dostarczyć podczas operacji dodatkowych informacji, takich jak ważne punkty anatomiczne, lokalizacja guzów. Wreszcie, łącząc radiomikę i patomię, model może rozróżniać pacjentów wysokiego i niskiego ryzyka po operacji, zapewniając w ten sposób spersonalizowane wskazówki prognostyczne.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

2100

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Nazwa: Shao Pengfei, Professor
Numer telefonu: +8613851925825
E-mail: spf032@hotmail.com

Kopia zapasowa kontaktu do badania

Nazwa: Miao Haoqi, Postgraduate
Numer telefonu: +8613276636957
E-mail: mhq@stu.njmu.edu.cn

Lokalizacje studiów

Chiny
- Jiangsu
  - Nanjing, Jiangsu, Chiny, 210036
    - Rekrutacyjny
    - The First Affiliated Hospital of Nanjing Medical University (Jiangsu Provincial People's Hospital)
    - Kontakt:
      
      Shao Pengfei, Professor
      
      Numer telefonu: +8613851925825
      
      E-mail: spf032@hotmail.com
    - Kontakt:
      
      Miao Haoqi, Postgraduate
      
      Numer telefonu: +8613276636957
      
      E-mail: mhq@stu.njmu.edu.cn

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

Pacjenci z nowotworami nerek w badaniach obrazowych, którzy przeszli operację

Opis

Kryteria włączenia:

Pacjenci z guzem nerki, który można leczyć operacyjnie;
Ukończyć CECT w ciągu 30 dni przed operacją;
Pacjenci, którzy w pełni rozumieją to badanie i podpisują świadomą zgodę;

Kryteria wykluczenia:

Pacjenci, u których w wyjściowych informacjach klinicznych i patologicznych brakuje jakiejkolwiek pozycji;
Pacjenci, u których w momencie wykrycia nowotworu wystąpiły już przerzuty;
Wcześniejsze leczenie w dowolnej formie, w tym leczenie chirurgiczne, terapia celowana i immunoterapia;

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
Ocena wydajności modeli AI za pomocą kompleksowego modelu oceny „AUC”. Ramy czasowe: Od momentu zapisania się do zakończenia 5-letniego okresu obserwacji	„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 immunohistochemii po operacji, a AUC mieści się w zakresie od 0-1, przy większej wartości wskazując na lepszy efekt przewidywania.	Od momentu zapisania się do zakończenia 5-letniego okresu obserwacji

Miary wyników drugorzędnych

Miara wyniku	Opis środka	Ramy czasowe
Ocena skuteczności modelu w przewidywaniu rokowania uczestników po operacji za pomocą analizy przeżycia Kaplana-Meiera Ramy czasowe: Od momentu zapisania się do zakończenia 5-letniego okresu obserwacji	Analiza przeżycia Kaplana-Meiera to nieparametryczna statystyka używana głównie do określenia czynników wskazujących na przeżycie.	Od momentu zapisania się do zakończenia 5-letniego okresu obserwacji

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Shao Pengfei

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 2025

Zakończenie podstawowe (Szacowany)

1 stycznia 2028

Ukończenie studiów (Szacowany)

31 grudnia 2033

Daty rejestracji na studia

Pierwszy przesłany

2 grudnia 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości