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

Diagnóstico e previsão de câncer baseado em IA com EHR

25 de julho de 2025 atualizado por: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Diagnóstico e previsão de câncer baseado em IA usando registros eletrônicos de saúde

Este é um estudo clínico retrospectivo e multicêntrico, projetado para avaliar a aplicação e a eficácia de um modelo preditivo assistido pela AI para identificar e diagnosticar o câncer, alavancando dados de saúde multimodal.

Visão geral do estudo

Status

Recrutamento

Condições

Intervenção / Tratamento

Descrição detalhada

O diagnóstico do câncer e a detecção precoce são cruciais para melhorar os resultados dos pacientes e as taxas de sobrevivência. A identificação precoce de cancros e a intervenção adequada podem ter um impacto significativo no sucesso e no prognóstico do tratamento. Na prática clínica, os oncologistas muitas vezes precisam integrar uma variedade de dados do paciente, incluindo histórico médico, resultados de exames laboratoriais, dados de imagem, como tomografia computadorizada e ressonância magnética, e marcadores genéticos, para fazer um diagnóstico preciso e desenvolver um plano de tratamento personalizado. À medida que a medicina de precisão se torna cada vez mais importante, permanece o desafio de identificar o cancro em fases iniciais, especialmente quando os sintomas são subtis ou ausentes. Avanços recentes em inteligência artificial e técnicas de análise de dados têm se mostrado muito promissores no aumento da precisão do diagnóstico e na velocidade da detecção do câncer. Este estudo tem como objetivo desenvolver um sistema de tomada de decisão assistido por IA, integrando dados multimodais de registros eletrônicos de saúde, imagens, resultados laboratoriais e dados genéticos. O objetivo é melhorar a precisão do diagnóstico, otimizar os fluxos de trabalho clínicos e fornecer opções de tratamento mais personalizadas para pacientes com câncer. Em última análise, este sistema procura melhorar a detecção precoce, orientar estratégias de tratamento eficazes e aumentar as taxas de sobrevivência dos pacientes.

Tipo de estudo

Observacional

Inscrição (Estimado)

1000000

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.

Contato de estudo

Locais de estudo

  • China
    • Guangdong
      • Guangzhou, Guangdong, China
        • Recrutamento
        • Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
        • Contato:
      • Guangzhou, Guangdong, China
        • Recrutamento
        • Guangzhou Women and Children's Medical Center
        • Contato:
      • Guangzhou, Guangdong, China
        • Recrutamento
        • Nanfang Hospital
        • Contato:
      • Guangzhou, Guangdong, China
        • Recrutamento
        • Sun Yat-sen University Cancer Hospital
        • Contato:
    • Sichuan
      • Chengdu, Sichuan, China
        • Recrutamento
        • West China Hospital
        • Contato:
    • Zhejiang
      • Wenzhou, Zhejiang, China
        • Recrutamento
        • First Affiliated Hospital of Wenzhou Medical University
        • Contato:
      • Wenzhou, Zhejiang, China
        • Recrutamento
        • Second Affiliated Hospital of Wenzhou Medical University
        • Contato:

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

  • Filho
  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Sim

Método de amostragem

Amostra Não Probabilística

População do estudo

A população do estudo é composta por indivíduos de 0 a 90 anos que receberam atendimento nos centros de estudo participantes. Os participantes devem ter registros de saúde eletrônicos abrangentes (EHRs) disponíveis, incluindo histórico médico, resultados de testes de laboratório, dados de imagem e informações genéticas (se disponíveis). Ambos os indivíduos diagnosticados com câncer (incluindo câncer pediátrico e adulto) e indivíduos saudáveis ​​sem histórico de câncer serão incluídos no estudo para avaliar as capacidades diagnósticas e preditivas do modelo assistido por IA. O estudo se concentrará em pacientes com registros de assistência completos e documentados dos centros participantes, garantindo uma coorte diversificada para análise em diferentes faixas etárias e tipos de câncer.

Descrição

Critérios de inclusão:

1 、 Pacientes com registros de saúde eletrônica abrangente (EHRs), incluindo histórico médico, resultados de testes de laboratório, dados de imagem e dados genéticos (se disponíveis).

2. Indivíduos sem deficiências cognitivas graves ou condições que os impeçam de fornecer consentimento informado ou participar do estudo.

3. Os pais ou responsáveis ​​devem fornecer consentimento informado para menores, enquanto os participantes adultos devem fornecer consentimento informado para si.

Critérios de exclusão:

  1. Pacientes com dados de registro eletrônico de saúde eletrônicos incompletos ou ausentes ou dados de acompanhamento insuficientes.
  2. Indivíduos com distúrbios cognitivos graves ou outras doenças terminais que impediriam a participação significativa.
  3. Mulheres grávidas (embora os cânceres pediátricos estejam sendo considerados, as mulheres grávidas seriam excluídas por razões de segurança).

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
Coorte saudável
Este grupo é composto por indivíduos sem nenhum câncer diagnosticado. Os participantes desta coorte servirão como grupo de controle para comparação com o grupo experimental. Nenhuma intervenção ou tratamento será administrado a esta coorte, pois representam uma linha de base de indivíduos saudáveis.
Teste de diagnostico: Modelo de diagnóstico e prognóstico baseado em IA
Essa intervenção envolve um sistema de IA que integra dados multimodais, incluindo histórico médico do paciente, resultados de testes de laboratório, dados de imagem e informações genéticas, para prever o risco de câncer. O sistema usa algoritmos de aprendizado profundo para fornecer previsões precisas em tempo real, permitindo a identificação precoce dos riscos de câncer. Ao analisar dados históricos de saúde, o modelo visa prever possíveis desenvolvimentos de câncer, melhorando os resultados precoces da detecção e do tratamento.
Coorte de tumores
Este grupo consiste em indivíduos diagnosticados com câncer, incluindo vários tipos. Os participantes desta coorte servirão como grupo experimental para avaliar a eficácia do modelo de previsão precoce na identificação de riscos de câncer e na melhoria da precisão diagnóstica.
Teste de diagnostico: Modelo de diagnóstico e prognóstico baseado em IA
Essa intervenção envolve um sistema de IA que integra dados multimodais, incluindo histórico médico do paciente, resultados de testes de laboratório, dados de imagem e informações genéticas, para prever o risco de câncer. O sistema usa algoritmos de aprendizado profundo para fornecer previsões precisas em tempo real, permitindo a identificação precoce dos riscos de câncer. Ao analisar dados históricos de saúde, o modelo visa prever possíveis desenvolvimentos de câncer, melhorando os resultados precoces da detecção e do tratamento.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Área sob a curva (AUC)
Prazo: 1 ano
AUC da curva ROC, usada para quantificar a acurácia diagnóstica. Nenhuma unidade (uma proporção ou porcentagem, normalmente expressa como um número entre 0 e 1).
1 ano
Pontuação F1
Prazo: 1 ano
A pontuação de F1 é a média harmônica de precisão e sensibilidade (recall). É uma boa medida da capacidade do modelo de identificar os verdadeiros positivos e minimizar falsos positivos, especialmente nos casos em que as classes são desequilibradas (por exemplo, quando o número de casos saudáveis ​​é muito maior que os casos de doença). A pontuação F1 varia de 0 a 1, com 1 indicando precisão e recordação perfeitas.
1 ano

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Sensibilidade (taxa positiva verdadeira)
Prazo: 1 ano
A sensibilidade mede quão bem o modelo de IA identifica casos verdadeiros positivos, como diagnosticar corretamente mulheres grávidas com complicações ou identificar doenças neonatais.
1 ano
Especificidade (taxa negativa verdadeira)
Prazo: 1 ano
A especificidade mede a capacidade do modelo de IA para identificar corretamente casos sem doenças, garantindo que mães e bebés saudáveis ​​sejam corretamente identificados como negativos.
1 ano

Colaboradores e Investigadores

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

Patrocinador

The Eye Hospital of Wenzhou Medical University

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)

19 de janeiro de 2025

Conclusão Primária (Estimado)

1 de outubro de 2025

Conclusão do estudo (Estimado)

1 de outubro de 2025

Datas de inscrição no estudo

Enviado pela primeira vez

19 de janeiro de 2025

Enviado pela primeira vez que atendeu aos critérios de CQ

19 de janeiro de 2025

Primeira postagem (Real)

24 de janeiro de 2025

Atualizações de registro de estudo

Última Atualização Postada (Real)

30 de julho de 2025

Última atualização enviada que atendeu aos critérios de controle de qualidade

25 de julho de 2025

Última verificação

1 de julho de 2025

Mais Informações

Termos relacionados a este estudo

Palavras-chave

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • Cancer

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

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

produto fabricado e exportado 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 .

Se inscrever