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

Model AI oparty na radiach do przewidywania przerzutów węzłów chłonnych para-aorty u pacjentów z rakiem żołądka

21 kwietnia 2025 zaktualizowane przez: Qun Zhao

Prospektywne badanie kliniczne sztucznej inteligencji opartej na radiach w celu przewidywania para-aortalnych przerzutów węzłów chłonnych u pacjentów z rakiem żołądka

To badanie ma na celu opracowanie i potwierdzenie modelu sztucznej inteligencji (AI) opartego na cechach radiomii wyodrębnionych z przedoperacyjnych obrazów CT w celu przewidywania przerzutów do para-aorty (PALN) u pacjentów z rakiem żołądka. Dokładnie identyfikowanie przerzutów PALN przed operacją może pomóc lekarzom w podejmowaniu lepszych decyzji o leczeniu, takich jak kontynuowanie operacji, rozważenie chemioterapii lub stosowania innych strategii leczenia. W badaniu prospektywnie zapisuje pacjentów, u których zdiagnozowano raka żołądka i zaplanowane na operację. Wszyscy uczestnicy przejdą rutynowe testy obrazowania, a ich dane zostaną przeanalizowane przy użyciu zaawansowanych technik AI. Wyniki tego badania mogą poprawić precyzję przedoperacyjnej inscenizacji i wspierać spersonalizowane planowanie leczenia pacjentów z rakiem żołądka.

Przegląd badań

Status

Rejestracja na zaproszenie

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

120

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Chiny
    • None Selected
      • Shijiazhuang, None Selected, 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 dotyczy

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Badana populacja będzie składać się z dorosłych pacjentów, u których zdiagnozowano gruczolakoraka żołądka, którzy mają poddać się radykalnej gastrektomii w ośrodku opieki wyższej. Wszyscy uczestnicy będą mieli przedoperacyjne skany CT wzmocnione kontrastem i nie ma dowodów na odległe przerzuty. Populacja reprezentuje osoby narażone na przerzuty do para-aortalnych węzłów chłonnych i ma na celu odzwierciedlenie pacjentów z prawdziwymi światami, którzy mogą skorzystać z nieinwazyjnych, wspomaganych AI narzędzi do oceny przedoperacyjnej. Uczestnicy zostaną zapisani kolejno w celu zminimalizowania stronniczości selekcji.

Opis

Kryteria włączenia:

  1. Dorośli w wieku 18–80 lat.
  2. Histologicznie potwierdzony gruczolakorak żołądka.
  3. Planował poddać się radykalnej gastrektomii z rozwarstwieniem węzłów chłonnych lub bez nich.
  4. Przedoperacyjny skan CT z kontrastem z kontrastem dostępny w ciągu 3 tygodni przed operacją.
  5. Brak dowodów odległych przerzutów do obrazowania.
  6. Status wydajności ECOG 0-2.
  7. Zapewniono pisemną świadomą zgodę.

Kryteria wykluczenia:

  1. Historia innych nowotworów złośliwych w ciągu ostatnich 5 lat.
  2. Otrzymał chemioterapię neoadjuwantową lub radioterapię przed obrazowaniem CT.
  3. Zła jakość lub niekompletne obrazy CT nie są odpowiednie do analizy radiomii.
  4. Poważne współistniejące, które mogą wpływać na rokowanie lub podejmowanie decyzji chirurgicznych.
  5. Ciąża lub karmienie piersią.
  6. Niezdolność do świadomej zgody lub przestrzegania procedur badawczych.

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 diagnostyczna modelu Radiomics AI do przewidywania przerzutów do węzłów chłonnych para-aortal
Ramy czasowe: Od obrazowania przedoperacyjnego do potwierdzenia patologicznego pooperacyjnego (około 4-6 tygodni na pacjenta)
Pierwotnym rezultatem jest wydajność diagnostyczna modelu AI opartego na radiach AI w przewidywaniu przerzutów do węzłów chłonnych para-aorty (PALNM) u pacjentów z rakiem żołądka. Wydajność zostanie oceniona na podstawie obliczania obszaru pod krzywą charakterystyki operacyjnej odbiornika (AUC), czułości, swoistości, dokładności i wartości predykcyjnych. Status gruntowej dla PALNM będzie oparty na pooperacyjnych ustaleniach patologicznych lub multidyscyplinarnej diagnozie konsensusowej. Prognozy modelu zostaną porównane z faktycznymi wynikami klinicznymi w celu oceny jego wiarygodności i użyteczności klinicznej.
Od obrazowania przedoperacyjnego do potwierdzenia patologicznego pooperacyjnego (około 4-6 tygodni na pacjenta)

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Qun Zhao

Współpracownicy

First Hospital of Shijiazhuang City
Baoding First Central Hospital
Hengshui People's Hospital

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)

30 czerwca 2025

Ukończenie studiów (Szacowany)

30 czerwca 2025

Daty rejestracji na studia

Pierwszy przesłany

21 kwietnia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

21 kwietnia 2025

Pierwszy wysłany (Rzeczywisty)

27 kwietnia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

27 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 kwietnia 2025

Ostatnia weryfikacja

1 kwietnia 2025

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • GC-RAD-AI-2025-01

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 .

Badania kliniczne na Rak żołądka

Badania kliniczne na Analiza obrazowania AI oparta na radiach

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Malawi

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj