- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT07401173
DeepComp do przewidywania powikłań pooperacyjnych raka żołądka (DeepComp-Prospective)
Prospektywne, wieloośrodkowe, obserwacyjne badanie walidujące wielomodalny model radiomiki głębokiego uczenia (DeepComp) do przedoperacyjnego przewidywania poważnych powikłań pooperacyjnych u pacjentów z rakiem żołądka
Rak żołądka jest jedną z głównych przyczyn zgonów związanych z nowotworami, a radykalna operacja pozostaje podstawową metodą leczenia. Jednak powikłania pooperacyjne są częste i mogą znacząco wpłynąć na powrót do zdrowia i jakość życia pacjenta. Obecnie lekarze nie dysponują precyzyjnymi narzędziami, które pozwoliłyby dokładnie przewidzieć, którzy pacjenci są narażeni na wysokie ryzyko wystąpienia poważnych powikłań przed operacją.
Niniejsze badanie ma na celu walidację nowatorskiego modelu sztucznej inteligencji (AI) o nazwie "DeepComp". Model DeepComp integruje dane kliniczne z zaawansowanymi cechami radiomicznymi uzyskanymi z rutynowych badań TK przed operacją. Konkretnie, analizuje zarówno cechy guza, jak i skład ciała pacjenta (w tym dystrybucję mięśni szkieletowych i tłuszczu) w celu oceny rezerwy fizjologicznej.
W tym prospektywnym, wieloośrodkowym badaniu obserwacyjnym badacze zrekrutują pacjentów zakwalifikowanych do operacji raka żołądka w pięciu ośrodkach medycznych. Model DeepComp zostanie wykorzystany do przewidzenia ryzyka umiarkowanych do ciężkich powikłań pooperacyjnych (stopień II lub wyższy według klasyfikacji Clavien-Dindo). Następnie te przewidywania zostaną porównane z rzeczywistymi wynikami klinicznymi zaobserwowanymi 30 dni po operacji. Celem jest określenie dokładności i wiarygodności modelu DeepComp w rzeczywistych warunkach klinicznych, co może dostarczyć potężne narzędzie do spersonalizowanej oceny ryzyka chirurgicznego.
Przegląd badań
Status
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Ping'an Ding, PhD
- Numer telefonu: +8631186095363
- E-mail: ding_ping_an@hebmu.edu.cn
Kopia zapasowa kontaktu do badania
- Nazwa: Qun Zhao, PhD
- Numer telefonu: 031186095363
- E-mail: zhaoqun@hebmu.edu.cn
Lokalizacje studiów
-
-
None Selected
-
Shijiazhuang, None Selected, Chiny, 050011
- Rekrutacyjny
- The Fourth Hospital of Hebei Medical University
-
Kontakt:
- Ping'an Ding
- Numer telefonu: 031186095363
- E-mail: ding_ping_an@hebmu.edu.cn
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
Wiek ≥ 18 lat.
Histologicznie potwierdzony gruczolakorak żołądka.
Planowana elektywna radykalna gastrektomia (otwarta, laparoskopowa lub robotyczna) z intencją wyleczenia.
Standardowe przedoperacyjne kontrastowe tomografie komputerowe jamy brzusznej (faza żylna) wykonane w ciągu 14 dni przed operacją.
Gotowość do podpisania świadomej zgody.
Kryteria wykluczenia:
Pilna operacja z powodu perforacji, niedrożności lub masywnego krwawienia.
Śródoperacyjne stwierdzenie odległych przerzutów (stopień IV) lub choroby nieresekcyjnej uniemożliwiającej resekcję R0.
Współistniejące lub przebyte nowotwory złośliwe w ciągu ostatnich 5 lat (z wyjątkiem raka żołądka).
Ciaża lub karmienie piersią.
Ciężkie artefakty metalowe na obrazach TK uniemożliwiające analizę radiomiczną.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
|---|
|
Kohorta Chirurgii Raka Żołądka
Pacjenci z rozpoznanym rakiem żołądka, u których zaplanowano radykalną gastrektomię (otwartą, laparoskopową lub robotyczną).
Wszyscy uczestnicy otrzymają standardowe przedoperacyjne skany TK z kontrastem.
Model AI DeepComp zostanie zastosowany do tych skanów w celu przewidzenia ryzyka powikłań pooperacyjnych.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Częstość występowania głównych powikłań pooperacyjnych (klasyfikacja Clavien-Dindo ≥ II)
Ramy czasowe: 30 dni pooperacyjnych
|
Powikłania pooperacyjne będą klasyfikowane zgodnie z systemem klasyfikacji Clavien-Dindo.
Powikłania poważne definiuje się jako stopień II lub wyższy, które wymagają leczenia farmakologicznego, interwencji chirurgicznej/endoskopowej/radiologicznej lub są zagrażające życiu (włącznie ze śmiercią).
Występowanie tych zdarzeń będzie rejestrowane i porównywane z przedoperacyjnymi przewidywaniami modelu.
|
30 dni pooperacyjnych
|
|
Współpraca człowiek-sztuczna inteligencja w diagnostyce chirurgii raka żołądka: dokładność i zgodność obserwatorów
Ramy czasowe: Od oceny przedoperacyjnej do 30 dni po operacji
|
W podgrupie 120 losowo wybranych pacjentów po operacji raka żołądka, dziesięciu chirurgów o różnym poziomie doświadczenia (Junior <5 lat, n=4; Pośredni 5-10 lat, n=3; Senior ≥10 lat, n=3) najpierw samodzielnie oceni ryzyko powikłań pooperacyjnych, korzystając z zaślepionych danych przedoperacyjnych.
Następnie otrzymają przewidywania od modelu AI DeepComp i zaktualizują swoje oceny.
|
Od oceny przedoperacyjnej do 30 dni po operacji
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Predykcyjna Wydajność Modelu DeepComp (AUC)
Ramy czasowe: 30 dni pooperacyjnych
|
Wydajność dyskryminacyjna modelu DeepComp w przewidywaniu poważnych powikłań pooperacyjnych zostanie oceniona za pomocą pola pod krzywą charakterystyki pracy odbiornika (AUC).
Czułość, swoistość, wartość predykcyjna dodatnia i wartość predykcyjna ujemna również zostaną obliczone.
|
30 dni pooperacyjnych
|
|
Długość pobytu w szpitalu
Ramy czasowe: Do 30 dni
|
Zdefiniowana jako liczba dni od operacji do wypisu.
|
Do 30 dni
|
Współpracownicy i badacze
Sponsor
Śledczy
- Główny śledczy: Qun Zhao, th
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- DeepComp-Pro-001
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .