- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT05697601
Preditores de câncer de ovário e câncer de endométrio para ferramentas de triagem baseadas em inteligência artificial
Fatores associados ao câncer de ovário e câncer de endométrio na Indonésia. Um estudo para o desenvolvimento de ferramentas de triagem baseadas em inteligência artificial
O objetivo deste estudo observacional é explorar os possíveis fatores associados ao câncer de ovário e câncer de endométrio na Indonésia e desenvolver ferramentas de triagem que possam prever o risco de ambos os tipos de câncer.
Os objetivos específicos do estudo são
- Elaborando a situação do câncer de ovário e endométrio na Indonésia
- Explorando os possíveis preditores clínicos, demográficos e laboratoriais dessas doenças
- Desenvolver ferramentas de triagem baseadas em inteligência artificial para ambos os tipos de câncer com base em possíveis preditores
Este estudo utilizará o registro de pacientes diagnosticados com câncer de ovário e endométrio. Assumimos que vários preditores demográficos, clínicos e laboratoriais podem possuir bom desempenho de triagem com maior sensibilidade e especificidade (>80%).
Visão geral do estudo
Status
Descrição detalhada
Metodologia:
Este estudo envolverá duas etapas diferentes
- A primeira etapa realizará um estudo de coorte para identificar os possíveis preditores de cada tipo de câncer
- A segunda etapa abrangerá o desenvolvimento de testes no local de atendimento com base em um modelo de inteligência artificial para prever a ocorrência de câncer e testes prospectivos de novos participantes usando um método de estudo diagnóstico. As ferramentas preverão o resultado atual da histopatologia e uma possível histopatologia futura dentro de um ano.
Participantes e fonte de dados No centro de estudo, mulheres com ou sem sintomas associados à ginecologia foram submetidas a avaliações ginecológicas e patológicas para descartar câncer de ovário e endométrio em nosso centro de estudo. Os dados são armazenados digitalmente e a extração será feita de acordo
Variáveis e medição de resultados
- Dados demográficos e dados de saúde essas informações são obtidas a partir da avaliação inicial das pacientes incluindo idade, índice de massa corporal, doenças crônicas, perfil ginecológico e obstétrico, padrão menstrual e contracepção
- Dados clínicos e laboratoriais, incluindo hemograma completo, biomarcador associado ao câncer selecionado (por exemplo, Cancer Antigen 125 (Ca-125)), envolvimento de linfonodos, histopatologia de tecidos pertinentes e sinais de metástases por meio de dados clínicos ou radiológicos
- Resultado tipo histopatológico final e classificação avaliada por pelo menos dois patologistas para determinar o tipo de câncer. As diretrizes de classificação seguem a classificação da Organização Mundial da Saúde
Desenvolvimento de ferramentas de triagem baseadas em Inteligência Artificial
O pesquisador desenvolverá
- um modelo baseado em informações onde o usuário fornecerá uma resposta para cada preditor
- um modelo baseado em imagem em que o usuário fornecerá uma imagem capturada para previsão
- um modelo de base mista onde o usuário pode combinar imagens capturadas e informações para cada preditor
modelo proposto
- baseado em pontuação derivada do coeficiente de regressão
- árvore de decisão
- floresta aleatória
- rede neural artificial
- rede neural convolucional
- Seleção do modelo
- Desempenho de triagem em dados divididos (ou usando técnica de validação cruzada)
avaliação de perda de log ou probabilidade
Linha do tempo
1. Para o primeiro estágio do estudo, haverá uma avaliação variável no tempo para cada participante, no entanto, pelo menos os participantes passam por uma avaliação de todos os fatores e resultados na linha de base. A avaliação repetida, conforme sugerido pelo médico, será realizada dentro de um ano após a avaliação inicial.
2. O segundo estudo aplicará triagem prospectiva. A ferramenta de triagem baseada em inteligência artificial será usada simultaneamente com o padrão-ouro de diagnóstico.
Possível viés de procedimento, particularmente na interpretação do resultado da confiabilidade, é tratado envolvendo vários patologistas. O patologista e o rastreador realizarão a triagem de forma independente para reduzir a tendência de resultados anteriores fornecidos pelas ferramentas de triagem recém-desenvolvidas.
Tamanho da amostra
- A primeira etapa da pesquisa assume que
uma. A prevalência de ambos os cânceres entre todos os cânceres em mulheres foi de 5% b. Erro tipo I fixado em 5% c. erro absoluto da prevalência 1% usando a fórmula de proporção de uma amostra, o tamanho estimado da amostra é de 1825 participantes.
2. Após o estudo diagnóstico, afirmamos que o novo modelo de ferramentas de triagem mostrará desempenho de não inferioridade à histopatologia como padrão-ouro, assumindo que
uma. a diferença esperada no valor da sensibilidade é de 5% assumindo que as novas ferramentas de triagem terão sensibilidade de 85% e a sensibilidade da histopatologia é de 90% b. testes cruzados serão feitos, criando uma alocação igual de intervenção de triagem c. Erro tipo 1 do estudo fixado em 5% d. Poder do estudo definido em 80% o tamanho total da amostra para a ferramenta de triagem prospectiva será de 1.080 participantes
Quantificação e discretização de dados várias informações clínicas serão classificadas de acordo com a diretriz estabelecida, por exemplo, índice de massa corporal.
Análise Estatística Proposta
- Estatística descritiva e análise bivariada
- Uma regressão cox será conduzida seguindo a linha de tempo da linha de base para o evento
- A análise de subgrupo será feita, particularmente em certos dados demográficos e comorbidade.
já na segunda etapa, a análise identificará os
- sensibilidade
- especificidade
- precisão
- precisão
- O número necessário para tratar os modelos selecionados será implantado em um aplicativo.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Bumi Herman, Ph.D
- Número de telefone: +66638275008
- E-mail: bumi.h@chula.ac.th
Locais de estudo
-
-
South Sulawesi
-
Makassar, South Sulawesi, Indonésia, 90245
- Recrutamento
- Hasanuddin University Hospital
-
Contato:
- Bumi Herman, M.D, Ph.D
- E-mail: bumiherman@med.unhas.ac.id
-
Investigador principal:
- Rina Masadah, MD PhD
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
Mulheres com sintomas ginecológicos, mas não limitados a
- menstruação irregular
- Sangramento intenso durante a menstruação
- dor pélvica
- corrimento vaginal
- perda de peso repentina
- dor durante a relação sexual
- Mulheres submetidas a exame ginecológico de rotina
Critério de exclusão:
- incapaz de realizar acompanhamento ginecológico seriado
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Coorte
- Perspectivas de Tempo: Retrospectivo
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
---|---|
Suspeita de câncer de ovário
O participante com alta suspeita de câncer de ovário e passar por avaliação ginecológica e anatomopatológica
|
Ferramentas de triagem baseadas em inteligência artificial baseadas em modelos de aprendizado de máquina
Avaliação patológica de células e tecidos dos respectivos órgãos
|
Suspeita de câncer de endométrio
O participante com alta suspeita de câncer de endométrio (e ou hiperplasia endometrial) e passar por avaliação ginecológica e patológica
|
Ferramentas de triagem baseadas em inteligência artificial baseadas em modelos de aprendizado de máquina
Avaliação patológica de células e tecidos dos respectivos órgãos
|
Coorte Normal
O participante com menor suspeita de ambos os tipos de câncer e passar por avaliação ginecológica e anatomopatológica
|
Ferramentas de triagem baseadas em inteligência artificial baseadas em modelos de aprendizado de máquina
Avaliação patológica de células e tecidos dos respectivos órgãos
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Número de pessoas desenvolvendo câncer de ovário
Prazo: da linha de base até doze meses após entrar na coorte
|
Número de pessoas que desenvolvem câncer de ovário diagnosticadas com avaliação ginecológica e patológica
|
da linha de base até doze meses após entrar na coorte
|
Número de pessoas desenvolvendo câncer de endométrio
Prazo: da linha de base até doze meses após entrar na coorte
|
Número de pessoas que desenvolveram câncer de endométrio diagnosticado com avaliação ginecológica e anatomopatológica
|
da linha de base até doze meses após entrar na coorte
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Desempenho de triagem de ferramentas de triagem baseadas em inteligência artificial
Prazo: desde a avaliação inicial até um ano
|
A sensibilidade, especificidade, exatidão, precisão do modelo baseado em Inteligência Artificial selecionado para prever o câncer de ovário e/ou endométrio
|
desde a avaliação inicial até um ano
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Cadeira de estudo: Rina Masadah, Ph.D, Hasanuddin University
- Investigador principal: Bumi Herman, Ph.D, Chulalongkorn University
Publicações e links úteis
Publicações Gerais
- Atallah GA, Abd Aziz NH, Teik CK, Shafiee MN, Kampan NC. New Predictive Biomarkers for Ovarian Cancer. Diagnostics (Basel). 2021 Mar 7;11(3):465. doi: 10.3390/diagnostics11030465.
- Elias KM, Guo J, Bast RC Jr. Early Detection of Ovarian Cancer. Hematol Oncol Clin North Am. 2018 Dec;32(6):903-914. doi: 10.1016/j.hoc.2018.07.003. Epub 2018 Sep 28.
- Tanha K, Mottaghi A, Nojomi M, Moradi M, Rajabzadeh R, Lotfi S, Janani L. Investigation on factors associated with ovarian cancer: an umbrella review of systematic review and meta-analyses. J Ovarian Res. 2021 Nov 11;14(1):153. doi: 10.1186/s13048-021-00911-z.
- Zhao J, Hu Y, Zhao Y, Chen D, Fang T, Ding M. Risk factors of endometrial cancer in patients with endometrial hyperplasia: implication for clinical treatments. BMC Womens Health. 2021 Aug 25;21(1):312. doi: 10.1186/s12905-021-01452-9.
- Felix AS, Weissfeld JL, Stone RA, Bowser R, Chivukula M, Edwards RP, Linkov F. Factors associated with Type I and Type II endometrial cancer. Cancer Causes Control. 2010 Nov;21(11):1851-6. doi: 10.1007/s10552-010-9612-8. Epub 2010 Jul 14.
- Herman B, Sirichokchatchawan W, Pongpanich S, Nantasenamat C. Development and performance of CUHAS-ROBUST application for pulmonary rifampicin-resistance tuberculosis screening in Indonesia. PLoS One. 2021 Mar 25;16(3):e0249243. doi: 10.1371/journal.pone.0249243. eCollection 2021.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
- Processos Patológicos
- Neoplasias por Tipo Histológico
- Neoplasias
- Neoplasias urogenitais
- Neoplasias por local
- Carcinoma
- Neoplasias Glandulares e Epiteliais
- Neoplasias uterinas
- Neoplasias Genitais Femininas
- Doenças uterinas
- Doenças do Sistema Endócrino
- Doenças ovarianas
- Doenças anexiais
- Distúrbios Gonadais
- Neoplasias das Glândulas Endócrinas
- Doenças Urogenitais Femininas
- Doenças urogenitais femininas e complicações na gravidez
- Doenças urogenitais
- Doenças Genitais
- Doenças Genitais Femininas
- Hiperplasia
- Neoplasias ovarianas
- Hiperplasia endometrial
- Neoplasias endometriais
- Carcinoma Epitelial Ovariano
Outros números de identificação do estudo
- 0901231327
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .
Ensaios clínicos em Cancro do ovário
-
Turku University HospitalLounais-Suomen SyöpäyhdistysAinda não está recrutandoSobrevivente de cancerFinlândia
-
Roswell Park Cancer InstituteNational Cancer Institute (NCI)RetiradoSobrevivente de cancerEstados Unidos
-
University of Alabama at BirminghamNational Cancer Institute (NCI); Auburn UniversityConcluído
-
Rutgers, The State University of New JerseyNational Cancer Institute (NCI)ConcluídoSobrevivente de cancerEstados Unidos
-
Wake Forest University Health SciencesNational Cancer Institute (NCI)ConcluídoSobrevivente de cancerEstados Unidos, Guam
-
Wake Forest University Health SciencesNational Cancer Institute (NCI); National Institute of Mental Health (NIMH)ConcluídoSobrevivente de cancerEstados Unidos
-
Masonic Cancer Center, University of MinnesotaConcluídoSobrevivente de cancerEstados Unidos
-
Abramson Cancer Center of the University of PennsylvaniaConcluídoPlano de cuidados de sobrevivência LIVESTRONG: coleta contínua de dados e pesquisa de acompanhamentoPaciente com cancerEstados Unidos
-
University of New MexicoNew Mexico State University; University of New Mexico Cancer CenterConcluído
-
Ohio State University Comprehensive Cancer CenterConcluídoSobrevivente de cancerEstados Unidos