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

Diagnoza i przewidywanie raka kierowane przez AI z EHR

25 lipca 2025 zaktualizowane przez: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Diagnoza i prognoza raka oparta na sztucznej inteligencji za pomocą elektronicznych dokumentacji medycznej

Jest to wieloośrodkowe, retrospektywne badanie kliniczne mające na celu ocenę zastosowania i skuteczności modelu predykcyjnego wspomaganego przez AI do identyfikacji i diagnozowania raka, wykorzystując multimodalne dane zdrowotne.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Diagnoza i wczesne wykrywanie raka mają kluczowe znaczenie dla poprawy wyników leczenia i przeżywalności pacjentów. Wczesna identyfikacja nowotworów i odpowiednia interwencja mogą znacząco wpłynąć na powodzenie leczenia i rokowanie. W praktyce klinicznej onkolodzy często muszą integrować różnorodne dane pacjenta, w tym historię medyczną, wyniki badań laboratoryjnych, dane obrazowe, takie jak tomografia komputerowa i rezonans magnetyczny, a także markery genetyczne, aby postawić dokładną diagnozę i opracować spersonalizowany plan leczenia. Ponieważ medycyna precyzyjna staje się coraz ważniejsza, wyzwaniem pozostaje identyfikacja raka we wczesnych stadiach, zwłaszcza gdy objawy są subtelne lub nieobecne. Ostatnie postępy w dziedzinie sztucznej inteligencji i technik analizy danych okazały się niezwykle obiecujące w zakresie zwiększania dokładności diagnostycznej i szybkości wykrywania raka. Celem tego badania jest opracowanie systemu podejmowania decyzji wspomaganego sztuczną inteligencją poprzez integrację danych multimodalnych z elektronicznej dokumentacji zdrowotnej, badań obrazowych, wyników badań laboratoryjnych i danych genetycznych. Celem jest poprawa dokładności diagnostycznej, optymalizacja procesów klinicznych i zapewnienie bardziej spersonalizowanych opcji leczenia pacjentom chorym na raka. Docelowo system ten ma na celu poprawę wczesnego wykrywania, opracowanie skutecznych strategii leczenia i zwiększenie przeżywalności pacjentów.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

1000000

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
        • Kontakt:
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Guangzhou Women And Children's Medical Center
        • Kontakt:
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Nanfang Hospital
        • Kontakt:
      • Guangzhou, Guangdong, Chiny
        • Rekrutacyjny
        • Sun Yat-sen University Cancer Hospital
        • Kontakt:
    • Sichuan
      • Chengdu, Sichuan, Chiny
        • Rekrutacyjny
        • West china hospital
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • Second Affiliated Hospital of Wenzhou Medical University
        • Kontakt:

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

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Badana populacja składa się z osób w wieku od 0 do 90 lat, które otrzymały opiekę w uczestniczących ośrodkach badawczych. Uczestnicy muszą mieć dostęp do kompleksowej elektronicznej dokumentacji medycznej (EHR), obejmującej historię medyczną, wyniki badań laboratoryjnych, dane obrazowe i informacje genetyczne (jeśli są dostępne). Do badania, którego celem będzie ocena możliwości diagnostycznych i prognostycznych modelu wspomaganego sztuczną inteligencją, zostaną włączone zarówno osoby, u których zdiagnozowano nowotwór (w tym nowotwory u dzieci i dorosłych), jak i osoby zdrowe, bez historii nowotworu. Badanie skoncentruje się na pacjentach z pełną i udokumentowaną historią opieki z uczestniczących ośrodków, co zapewni zróżnicowaną kohortę do analizy w różnych grupach wiekowych i typach nowotworów.

Opis

Kryteria włączenia:

1 、 Pacjenci z kompleksową elektroniczną dokumentacją medyczną (EHR), w tym historię medyczną, wyniki testów laboratoryjnych, dane obrazowania i dane genetyczne (jeśli są dostępne).

2. Osoby bez poważnych upośledzeń poznawczych lub warunków, które uniemożliwiłyby im świadomą zgodę lub uczestnictwo w badaniu.

3. W przypadku osób niepełnoletnich rodzice lub opiekunowie muszą wyrazić świadomą zgodę, natomiast dorośli uczestnicy muszą wyrazić świadomą zgodę w swoim imieniu.

Kryteria wykluczenia:

  1. Pacjenci z niekompletnymi lub brakującymi kluczowymi danymi dokumentacji medycznej lub niewystarczających danych kontrolnych.
  2. Osoby z ciężkimi zaburzeniami poznawczymi lub innymi terminalnymi chorobami, które zapobiegałyby znaczącemu uczestnictwu.
  3. Kobiety w ciąży (chociaż rozważa się nowotwory u dzieci, kobiety w ciąży zostaną wykluczone ze względów bezpieczeństwa).

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
Zdrowa kohorta
Ta grupa składa się z osób bez zdiagnozowanego raka. Uczestnicy tej grupy będą służyć jako grupa kontrolna do porównania z grupą eksperymentalną. W tej kohorcie nie będą podawane interwencji ani zabiegów, ponieważ stanowią one podstawę zdrowych osób.
Test diagnostyczny: Oparty na sztucznej inteligencji model diagnostyczny i prognostyczny
Ta interwencja obejmuje system AI, który integruje dane multimodalne, w tym historię medyczną pacjenta, wyniki testów laboratoryjnych, dane obrazowania i informacje genetyczne, w celu przewidywania ryzyka raka. System wykorzystuje algorytmy głębokiego uczenia się w celu zapewnienia dokładnych prognoz w czasie rzeczywistym, umożliwiając wczesną identyfikację ryzyka raka. Analizując historyczne dane zdrowotne, model ma na celu przewidzieć potencjalne rozwój raka, poprawę wczesnego wykrywania i wyników leczenia.
Kohorta guza
Ta grupa składa się z osób zdiagnozowanych raka, w tym różnych rodzajów. Uczestnicy tej grupy będą służyć jako grupa eksperymentalna do oceny skuteczności modelu wczesnego prognozowania w identyfikacji ryzyka raka i poprawie dokładności diagnostycznej.
Test diagnostyczny: Oparty na sztucznej inteligencji model diagnostyczny i prognostyczny
Ta interwencja obejmuje system AI, który integruje dane multimodalne, w tym historię medyczną pacjenta, wyniki testów laboratoryjnych, dane obrazowania i informacje genetyczne, w celu przewidywania ryzyka raka. System wykorzystuje algorytmy głębokiego uczenia się w celu zapewnienia dokładnych prognoz w czasie rzeczywistym, umożliwiając wczesną identyfikację ryzyka raka. Analizując historyczne dane zdrowotne, model ma na celu przewidzieć potencjalne rozwój raka, poprawę wczesnego wykrywania i wyników leczenia.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Obszar pod krzywą (AUC)
Ramy czasowe: 1 rok
AUC krzywej ROC, stosowane do ilościowego określenia dokładności diagnostycznej. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażana jako liczba z zakresu od 0 do 1).
1 rok
Wynik F1
Ramy czasowe: 1 rok
Wynik F1 jest średnią harmoniczną precyzji i czułości (wycofanie). Jest to dobra miara zdolności modelu do identyfikacji zarówno prawdziwych pozytywów, jak i minimalizacji fałszywych pozytywów, szczególnie w przypadkach, w których klasy są niezrównoważone (np. Gdy liczba zdrowych przypadków jest znacznie wyższa niż przypadki choroby). Wynik F1 wynosi od 0 do 1, a 1 wskazuje idealną precyzję i wycofanie.
1 rok

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Czułość (prawdziwie dodatni współczynnik)
Ramy czasowe: 1 rok
Czułość mierzy, jak dobrze model sztucznej inteligencji identyfikuje prawdziwie pozytywne przypadki, takie jak prawidłowe diagnozowanie powikłań u kobiet w ciąży lub identyfikacja zaburzeń noworodkowych.
1 rok
Specyficzność (prawdziwa wskaźnik ujemny)
Ramy czasowe: 1 rok
Swoistość mierzy zdolność modelu sztucznej inteligencji do prawidłowego identyfikowania przypadków wolnych od chorób, co gwarantuje, że zdrowe matki i niemowlęta zostaną prawidłowo zidentyfikowane jako negatywne.
1 rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

The Eye Hospital of Wenzhou 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)

19 stycznia 2025

Zakończenie podstawowe (Szacowany)

1 października 2025

Ukończenie studiów (Szacowany)

1 października 2025

Daty rejestracji na studia

Pierwszy przesłany

19 stycznia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

19 stycznia 2025

Pierwszy wysłany (Rzeczywisty)

24 stycznia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

30 lipca 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

25 lipca 2025

Ostatnia weryfikacja

1 lipca 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • Cancer

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

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