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

Opracowanie i prospektywna walidacja opartego na patologii modelu sztucznej inteligencji do przewidywania czasu do oporności na kastrację w raku prostaty

21 stycznia 2026 zaktualizowane przez: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Opracowanie i prospektywna walidacja opartego na patologii modelu sztucznej inteligencji do przewidywania czasu do rozwoju oporności na kastrację w raku prostaty

Celem tego testu prognostycznego jest prospektywne sprawdzenie działania wcześniej opracowanego sztucznej inteligencji (AI) modelu predykcyjnego do przewidywania czasu do oporności na kastrację w raku prostaty. Badacze opracowali ten model AI na podstawie algorytmów głębokiego uczenia w badaniach wstępnych, a w testach retrospektywnych wykazał się dobrą skutecznością.

Przegląd badań

Status

Jeszcze nie rekrutacja

Warunki

Interwencja / Leczenie

Szczegółowy opis

Terapia hormonalna jest ważną metodą leczenia raka prostaty i może skutecznie wydłużyć przeżycie pacjentów. Jednak niemal wszyscy pacjenci w różnym czasie rozwiną oporny na kastrację rak prostaty. Obecne opcje terapii hormonalnej obejmują terapię deprywacji androgenów (ADT), leki przeciwko receptorowi androgenowemu (AR) oraz chemioterapię, przy czym terapia skojarzona jest bardziej skuteczna we wczesnych stadiach, ale wiąże się z większymi skutkami ubocznymi. Dlatego przewidywanie czasu do progresji oporności na kastrację i wykorzystanie tej informacji do zastosowania spersonalizowanych planów leczenia może zapewnić skuteczność przy jednoczesnym zmniejszeniu działań niepożądanych leków. W związku z tym opracowaliśmy sztucznie inteligentny model predykcyjny do przewidywania czasu do oporności na kastrację w raku prostaty, który ma na celu dokładne prognozowanie czasu progresji dla różnych pacjentów i wspieranie lekarzy w tworzeniu spersonalizowanych i precyzyjnych planów leczenia na podstawie indywidualnego ryzyka progresji.

To badanie jest testem predykcyjnym bez interwencji, planującym zebranie szkiełek patologicznych z biopsji prostaty od zrekrutowanych pacjentów i zdigitalizowanie ich do obrazów całych szkiełek (WSI). Model AI przeanalizuje WSI i wygeneruje predykcyjne wyniki na poziomie szkiełka (w ciągu 12 miesięcy, między 12 a 24 miesiącami lub powyżej 24 miesięcy). Rutynowa terapia i badania będą przeprowadzane jak zwykle. Te dwa procesy nie będą się wzajemnie zakłócać. Następnie będziemy obserwować pacjentów przez 24 miesiące, aby zarejestrować czas do progresji oporności na kastrację, a następnie porównamy wyniki z modelem predykcyjnym.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

150

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Kopia zapasowa kontaktu do badania

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny, 510120
        • Sun Yat-Sen Memorial Hospital of Sun Yat-Sen 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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Pacjenci z rakiem prostaty, którzy przejdą biopsję prostaty między styczniem 2026 a grudniem 2026 w Sun Yat-sen Memorial Hospital of Sun Yat-sen University, są planowani do włączenia do tego prospektywnego testu predykcyjnego. Przekrojowe preparaty histopatologiczne tkanek biopsyjnych włączonych pacjentów zostaną zebrane i zdigitalizowane jako obrazy całych preparatów (WSI) do prospektywnej walidacji modelu AI.

Opis

Kryteria włączenia:

  1. Pacjenci z rozpoznanym rakiem prostaty o pośrednim lub wysokim ryzyku; poddani biopsji prostaty
  2. Pacjenci otrzymywali wyłącznie terapię endokrynologiczną z powodu raka prostaty;
  3. Pacjenci z kompletnymi informacjami klinicznymi i patologicznymi.
  4. Pacjenci wyrażają zgodę na udział w tym badaniu diagnostycznym.

Kryteria wyłączenia:

  1. Pacjenci z innymi nowotworami i poddani terapii systemowej.
  2. Pacjent odmówił udziału w tym badaniu diagnostycznym.

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
Pacjenci przechodzą biopsję prostaty
Pacjenci poddają się biopsji prostaty i otrzymują diagnozę raka prostaty, którzy otrzymują terapię hormonalną.
Inny: Model predykcyjny oparty na sztucznej inteligencji (AI) (opracowany)
Zebranie preparatów patologicznych z biopsji prostaty od pacjentów włączonych do badania. Digitalizacja tych preparatów do obrazów całych preparatów (WSI). Analiza obrazów WSI przy użyciu modelu AI w celu wygenerowania wyników predykcyjnych (w ciągu 12 miesięcy, między 12 a 24 miesiącami lub po 24 miesiącach). W tym predykcyjnym badaniu nie będą przeprowadzane żadne interwencje u pacjentów.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
C-index (Indeks Zgodności)
Ramy czasowe: Dla każdego włączonego pacjenta, przewidywane wyniki modelu AI zostaną uzyskane wkrótce po biopsji prostaty, a indeks C modelu AI będzie oceniany do zakończenia badania, średnio przez 3 lata.
Proporcja wszystkich par pacjentów, w których przewidywana kolejność wyników zgadza się z rzeczywistą kolejnością wyników. Oszacowuje prawdopodobieństwo, że przewidywane wyniki są zgodne z zaobserwowanymi wynikami.
Dla każdego włączonego pacjenta, przewidywane wyniki modelu AI zostaną uzyskane wkrótce po biopsji prostaty, a indeks C modelu AI będzie oceniany do zakończenia badania, średnio przez 3 lata.

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
wrażliwość
Ramy czasowe: Dla każdego włączonego pacjenta, przewidywane wyniki modelu AI zostaną uzyskane wkrótce po biopsji prostaty, a czułość modelu AI zostanie oceniona po zakończeniu badania, średnio po 3 latach.
Wynik modelu predykcyjnego jest dzielony na zmienną binarną przy użyciu progu 12-miesięcznego: TTCR <12 miesięcy jest uważane za wynik pozytywny, a TTCR ≥12 miesięcy jest uważane za wynik negatywny. Zgodnie z tym, pacjenci z TTCR <12 miesięcy to pacjenci pozytywni, a ci z TTCR ≥12 miesięcy to pacjenci negatywni. Liczba poprawnie przewidzianych pozytywnych slajdów (TTCR<12 miesięcy), podzielona przez całkowitą liczbę pozytywnych slajdów
Dla każdego włączonego pacjenta, przewidywane wyniki modelu AI zostaną uzyskane wkrótce po biopsji prostaty, a czułość modelu AI zostanie oceniona po zakończeniu badania, średnio po 3 latach.
specyficzność
Ramy czasowe: Dla każdego włączonego pacjenta, wyniki predykcyjne modelu AI zostaną uzyskane niedługo po biopsji prostaty, a specyficzność modelu AI zostanie oceniona po zakończeniu badania, średnio po 3 latach.
Wynik modelu predykcyjnego jest podzielony na zmienną binarną przy użyciu progu 12-miesięcznego: TTCR <12 miesięcy jest uważany za wynik pozytywny, a TTCR ≥12 miesięcy jest uważany za wynik negatywny. W związku z tym pacjenci z TTCR <12 miesięcy są pacjentami pozytywnymi, a ci z TTCR ≥12 miesięcy są pacjentami negatywnymi. Liczba poprawnie przewidzianych negatywnych preparatów (TTCR≥12 miesięcy), do podzielenia przez całkowitą liczbę negatywnych preparatów
Dla każdego włączonego pacjenta, wyniki predykcyjne modelu AI zostaną uzyskane niedługo po biopsji prostaty, a specyficzność modelu AI zostanie oceniona po zakończeniu badania, średnio po 3 latach.

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Śledczy

  • Dyrektor Studium: Shaoxu Wu, Ph.D, Department of Urology of Sun Yat-sen Memorial Hospital of Sun Yat-sen 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 (Szacowany)

1 stycznia 2026

Zakończenie podstawowe (Szacowany)

31 grudnia 2028

Ukończenie studiów (Szacowany)

31 grudnia 2028

Daty rejestracji na studia

Pierwszy przesłany

21 stycznia 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

21 stycznia 2026

Pierwszy wysłany (Rzeczywisty)

29 stycznia 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

29 stycznia 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 stycznia 2026

Ostatnia weryfikacja

1 stycznia 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • SYSKY-2025-940-01

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Aby chronić prywatność pacjentów, obrazy preparatów patologicznych oraz inne dane związane z pacjentem nie są publicznie dostępne.

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 .

Subskrybuj