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

Model głębokiego uczenia się spektroskopii w ramachanach dla wczesnej diagnozy na wczesną diagnozę Pan-Cancer

Nowatorska metoda oparta na spektroskopii Ramana dla wczesnej diagnozy PAN-Cancers poparta głębokim uczeniem

Celem tego badania obserwacyjnego jest zbadanie, czy można zastosować podejście oparte na Ramana, głębokie uczenie się, aby opracować skuteczną metodę wczesnego badań przesiewowych na patelni. Badanie obejmuje zarówno zdrowe osoby, jak i pacjentów, którzy są zagrożone rakiem, oraz pacjentów z zdiagnozowanym nowotworami. Główne pytanie, na które ma odpowiedzieć, brzmi:

  • Oceń dokładność i specyficzność modelu głębokiego uczenia się do identyfikacji cech specyficznych dla raka w danych spektralnych Ramana i czy ta metoda może dokładnie sklasyfikować pacjentów na podstawie ryzyka.
  • Określ, który model jest bardziej dostosowalny do widma Ramana
  • Podaj analizę interpretacyjną dla udziałem uczestników diagnozy generowanej przez modele i obserwacji w celu ustalenia rodzaju raka.

Przegląd badań

Szczegółowy opis

To badanie ma na celu zbadanie zastosowania modeli głębokiego uczenia się do klasyfikacji pacjentów na podstawie analizy spektroskopii Ramana próbek surowicy krwi, rozróżniając osoby w warunkach fizjologicznych i pacjentach z różnym rodzajami nowotworów złośliwych. Badanie przeprowadza się poprzez wieloośrodkową współpracę, w której próbki krwi są pobierane zarówno od zdrowych uczestników, jak i pacjentów, u których histopatologiczne zdiagnozowane w warunkach przedrakowych i pierwotnych nowotworach złośliwych.

Wszystkie próbki krwi są zbierane z rutynowych klinicznych badań krwi w okresie przyjęcia szpitala lub innych niezbędnych oceny medycznej. Serum jest ekstrahowane i poddawane analizie spektroskopii ramanowskiej. Dane spektralne ulegają rygorystycznym rurociągu wstępnym, który obejmuje ponowne próbkowanie wyrównania w celu standaryzacji danych, wyjściowe usunięcie w celu wyeliminowania niechcianych zmian i normalizację w celu zapewnienia jednolitości we wszystkich próbkach. Zapewnienie, że dane są w optymalnej formie do szkolenia modelu głębokiego uczenia się.

Następnie stosuje się różne modele głębokiego uczenia się do analizy przetworzonych widm Ramana i opracowania systemu klasyfikacji zdolnego do rozróżnienia między pancernikiem i zdrowymi kontrolami. Wstępnie przetwarzany zestaw danych został podzielony na trzy podzbiory w zakresie szkolenia modelu i oceny wydajności: 80% dla szkolenia, 10% do walidacji i 10% do testowania. Zestawy danych są stosowane do treningu modelu w celu uzyskania identyfikacji wzorców w danych spektralnych, które korelują z obecnością określonych nowotworów lub zdrowym stanem w celu osiągnięcia klasyfikowanej diagnozy.

Aby zwiększyć interpretację modeli głębokiego uczenia się, Grad-CAM (mapowanie aktywacji klas gradientowych) służy do wizualizacji procesu decyzyjnego modeli. Umożliwiając identyfikację regionów widm Ramana, które mają większy wpływ na decyzję klasyfikacji modelu, zapewniając przejrzyste zrozumienie, w jaki sposób model rozróżnia różne klasy.

Ostatecznie badanie to ma na celu wykazanie potencjału spektroskopii ramanowskiej w połączeniu z technikami głębokiego uczenia się, aby oferować nieinwazyjną, dokładną i interpretowalną metodę wykrywania i klasyfikacji raka, z implikacjami dla wczesnej diagnozy i spersonalizowanych strategii leczenia.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

600

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

    • Jiangxi
      • Nanchang, Jiangxi, Chiny, 330006
        • Rekrutacyjny
        • The First Affiliated Hospital to Nanchang University
        • Kontakt:
      • Nanchang, Jiangxi, Chiny, 330008
        • Rekrutacyjny
        • The Second Affiliated Hospital to Nanchang University
        • Kontakt:
    • Shanghai
      • Shanghai, Shanghai, Chiny, 200040
        • Rekrutacyjny
        • Huashan Hospital Affiliated to Fudan University
        • Kontakt:
    • Zhejiang
      • Hangzhou, Zhejiang, Chiny, 310009
        • Rekrutacyjny
        • The Second Affiliated Hospital of Zhejiang University School of Medicine
        • 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 prawdopodobieństwa

Badana populacja

Pacjenci z Pancerki z prowincji Zhejiang, Jiangxi i Szanghaj

Opis

Kryteria włączenia:

  • Diagnoza histopatologiczna nowotworów złośliwych, w tym raka jelita grubego, raka żołądka, raka wątroby, raka trzustki i raka przełyku.
  • Pacjenci w normalnych warunkach fizjologicznych bez nowotworów złośliwych lub zmian przedrakowych.
  • Pacjenci ze złośliwym guzem bez rezygnacji z jakichkolwiek interwencji, w tym chemioterapii, operacji, radioterapii, immunoterapii lub innych metod leczenia przeciwnowotworowego.
  • Pacjenci z diagnozą histopatologiczną jakichkolwiek zmian przedrakowych lub choroby niezłośliwej.

Kryteria wykluczenia:

  • Pacjenci z guzami przerzutowymi lub w stanie dwóch lub więcej rodzajów nowotworów złośliwych jednocześnie
  • Pacjenci z leczeniem po raku.

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
Normalna fizjologia
Pacjenci bez nowotworów lub zmiany przedrakowej
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Rak jelita grubego
Pacjenci ze zdiagnozowanym rakiem jelita grubego (przed interwencją)
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Rak żołądka
Pacjenci ze zdiagnozowanym rakiem żołądka (przed interwencją)
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Rak wątroby
Pacjenci zdiagnozowano raka wątroby (przed interwencją)
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Oesofageal
Pacjenci ze zdiagnozowanym rakiem przełyku (przedterwencja)
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Rak trzustki
Pacjenci ze zdiagnozowanym rakiem trzustki (przedterwencja)
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Wrzód żołądka
Pacjenci z wrzodami żołądka bez żadnego raka
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Gruczolak jelita grubego
Pacjenci z gruczolakiem jezdnym bez raka
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Marskość wątroby
Pacjenci z marskością wątroby bez żadnego raka
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Zapalenie trzustki
Pacjenci z zapaleniem trzustki bez żadnego raka
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.
Zapalenie przenikania
Pacjenci z zapaleniem przenikania bez żadnego raka
Wszystkie próbki krwi uczestniczących pacjentów uzyskano z rutynowych klinicznych badań krwi przeprowadzonych podczas przyjęcia szpitala lub innych niezbędnych oceny medycznej, a następnie ekstrakcji w surowicy.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Model głębokiego uczenia się w klasyfikacji pancernika o wysokiej dokładności
Ramy czasowe: Od rejestracji pacjentów po zakończenie budowy modelu, oczekuje się, że zostanie sfinalizowana w ciągu dwóch miesięcy po gromadzeniu danych.
Ustal modele głębokiego uczenia się o wysokiej specyficzności i wrażliwości na klasyfikację Pan-Cancer, zdolne do rozróżnienia różnych typów ranowych (rozróżnianie pacjentów w warunkach fizjologicznych, uszkodzeniu przedrakowym i guza złośliwego) w oparciu o spektroskopię ramanowską.
Od rejestracji pacjentów po zakończenie budowy modelu, oczekuje się, że zostanie sfinalizowana w ciągu dwóch miesięcy po gromadzeniu danych.

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Charakterystyka przesunięcia Ramana dla interpretacji i wizualizacji decyzji modelu
Ramy czasowe: Od końca konstrukcji modelu do końca modelu analizy interpretacyjnej - oczekiwane 2 miesiące po budowie modelu
Przeprowadzenie interpretacyjnej analizy diagnozy pochodzącej z pierwotnego wyniku za pomocą Grad-CAM do wizualizacji i zilustrowania procesu decyzyjnego modelu.
Od końca konstrukcji modelu do końca modelu analizy interpretacyjnej - oczekiwane 2 miesiące po budowie modelu

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Krzesło do nauki: Kefeng Ding, MD, Department of Colorectal Surgery, The Second Hospital of Zhejiang University School of Medicine

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 września 2022

Zakończenie podstawowe (Szacowany)

15 maja 2025

Ukończenie studiów (Szacowany)

28 lipca 2025

Daty rejestracji na studia

Pierwszy przesłany

5 lutego 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

5 lutego 2025

Pierwszy wysłany (Rzeczywisty)

12 lutego 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

24 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

19 kwietnia 2025

Ostatnia weryfikacja

1 stycznia 2025

Więcej informacji

Terminy związane z tym badaniem

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