Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Usando inteligência artificial para prever resultados de câncer retal

9 de fevereiro de 2023 atualizado por: Taichung Veterans General Hospital

Usando o reconhecimento de imagem da CNN para prever resultados de câncer retal

Investigador retrospectivo coleta casos durante 2010-2021 diagnosticados como adenocarcinoma retal com imagens de TC de alta qualidade. Os casos de câncer retal avançado local foram rotulados como "doença". Também não foram definidos "normais".

Usando inteligência artificial CNN em notebook Jupyter com código Phyton aberto para treinar e desenvolver modelos capazes de reconhecer câncer retal avançado local. Modifique o código Phyton para uma melhor taxa de previsão e ajude o médico a avaliar rapidamente a gravidade da doença para novos casos de câncer retal.

Visão geral do estudo

Status

Concluído

Condições

Intervenção / Tratamento

Descrição detalhada

De 01/01/2010 a 31/12/2021, pacientes com câncer retal com lesão cT3-4 foram incluídos. Colete imagens de TC de alta qualidade com arquivos DICOM no segmento do tumor. cT1-2, lesões retais baixas, casos sem CRC não foram incluídos. Imagens sem contraste e com defeitos artificiais também foram excluídas. As imagens de TC foram rotuladas como "doentes" quando o CRM estava ameaçado (<2mm). Todas as imagens foram rotuladas de acordo com o julgamento de 2 especialistas. Os dados foram separados em 2 partes. Um para treinamento e teste de modelo de IA, outro para validação externa. O conjunto de dados de teste de treinamento foi obtido pela rede neural de aprendizado profundo e avaliando o desempenho da precisão do modelo. Em seguida, o modelo foi aplicado em um conjunto de dados de validação externa para testes no mundo real, avaliando a taxa coerente entre a IA e a decisão do Dr. Além disso, para ver os resultados de sobrevivência ao câncer de acordo com os resultados de previsão do modelo de IA.

Tipo de estudo

Observacional

Inscrição (Real)

720

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Locais de estudo

  • Taiwan
      • Taichung, Taiwan
        • Taichung Verterans General Hospital

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

20 anos a 100 anos (ADULTO, OLDER_ADULT)

Aceita Voluntários Saudáveis

Não

Gêneros Elegíveis para o Estudo

Tudo

Método de amostragem

Amostra Não Probabilística

População do estudo

Câncer retal diagnosticado durante 2010/10/01-2022/07/31. lesão clínica T3-4. com imagens de TC de alta qualidade com contraste.

Descrição

Critério de inclusão:

  • estadiamento clínico T3-4 com imagens de TC de alta qualidade.

Critério de exclusão:

  • 1. lesão não maligna primária
  • 2. não localizando o reto
  • 3. Lesão T1-2
  • 4. imagens sem contraste ou de baixa qualidade

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

Coortes e Intervenções

Grupo / Coorte
Intervenção / Tratamento
imagens de lesões de câncer retal para treinamento
Imagens de lesões de câncer retal. Imagens com margem circunferencial ameaçada (<2mm) de câncer retal foram rotuladas como "doentes". Caso contrário, as imagens foram rotuladas como "normais". Usando esses materiais como materiais de treinamento para construção de modelo de aprendizado profundo de IA.
Outro: Como material de treinamento para o modelo de aprendizado profundo.
Usando imagens rotuladas como materiais de treinamento para inteligência artificial para desenvolver o modelo de detecção de objetos.
imagens de lesões de câncer retal para testes.
Usando os modelos de aprendizado profundo de IA de construção da coorte de treinamento. Avaliar a taxa de previsão do modelo e analisar os resultados de sobrevivência.
Outro: Como materiais para validação externa para o modelo de construção.
Usando o conjunto de validação externa para avaliar a taxa de predição e o resultado de sobrevivência.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
precisão da inteligência artificial com médico experiente
Prazo: 1 semana após as imagens feitas.
precisão entre inteligência artificial e médico experiente
1 semana após as imagens feitas.

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
resultado de sobrevivência na vida real do diagnóstico por inteligência artificial.
Prazo: 5 anos após o diagnóstico
resultado de sobrevivência da vida real por inteligência artificial.
5 anos após o diagnóstico

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Taichung Veterans General Hospital

Investigadores

  • Investigador principal: ChunuYu Lin, M.D., Taichung Veterans General Hospital

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (REAL)

1 de outubro de 2010

Conclusão Primária (REAL)

31 de julho de 2022

Conclusão do estudo (REAL)

31 de dezembro de 2022

Datas de inscrição no estudo

Enviado pela primeira vez

5 de janeiro de 2023

Enviado pela primeira vez que atendeu aos critérios de CQ

9 de fevereiro de 2023

Primeira postagem (REAL)

13 de fevereiro de 2023

Atualizações de registro de estudo

Última Atualização Postada (REAL)

13 de fevereiro de 2023

Última atualização enviada que atendeu aos critérios de controle de qualidade

9 de fevereiro de 2023

Última verificação

1 de fevereiro de 2023

Mais Informações

Termos relacionados a este estudo

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • CE21235B

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

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 Câncer Retal Estágio III

Ensaios clínicos em Como material de treinamento para o modelo de aprendizado profundo.

Pesquisar ensaios semelhantes

Patrocinadores e Colaboradores

Condições médicas

Intervenções de drogas

CROs by country

CROs in Ukraine

Condições

Doenças Raras

Intervenções de drogas

Suplementos Alimentares

Patrocinador / Colaboradores

Localizações

Se inscrever