Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Классификация доброкачественных и злокачественных узлов в легких на основе необработанных данных КТ

29 июня 2022 г. обновлено: Di Dong, Chinese Academy of Sciences

Сравнение и анализ прогностической эффективности КТ и необработанных данных в классификации доброкачественных и злокачественных легочных узлов

Использование медицинских изображений в сочетании с глубокими нейронными сетями для помощи в клинической диагностике, терапевтическом эффекте и предсказании прогноза в настоящее время является горячей точкой. Однако все существующие методы разрабатываются на основе реконструированных медицинских изображений, а не необработанных данных без потерь. Учитывая, что медицинские изображения предназначены для человеческого глаза, а не для ИИ, мы попытались использовать необработанные данные для прогнозирования злокачественности легочных узлов и сравнили прогностическую эффективность с КТ. Эксперименты докажут возможность диагностики по необработанным данным КТ. Мы считаем, что предлагаемый метод обещает изменить существующий конвейер медицинской диагностики, поскольку он потенциально может освободить рентгенологов.

Обзор исследования

Статус

Завершенный

Условия

Вмешательство/лечение

Подробное описание

Обычно используемая диагностическая схема рака следует процессу «сигнал-изображение-диагноз». Важно реконструировать видимые изображения по сигналу медицинского устройства, чтобы врач-человек мог поставить диагноз. Однако огромное количество информации внутри сигнала не обрабатывается оптимально, что приводит к неудовлетворительной работе диагностики на основе изображений в настоящее время.

В этом клиническом испытании мы разработаем диагностическую схему на основе искусственного интеллекта для легочных узлов непосредственно от сигнала (необработанных данных) к диагностике, пропуская этап реконструкции. В этом испытании мы сосредоточимся на различении злокачественных и доброкачественных узлов в легких. Мы соберем набор данных о пациентах, у которых отсеяны узлы в легких. Все пациенты проходят предоперационную компьютерную томографию (исходные данные и КТ-изображения доступны) и имеют патологически подтвержденный результат узлов. Мы построим модель, используя только необработанные данные для диагностики узелков в легких. Более того, для сравнения будет построена еще одна модель из КТ-изображения.

Кроме того, мы проведем последующее наблюдение за этими пациентами и построим модель на основе необработанных данных КТ для анализа прогноза рака легких.

Тип исследования

Наблюдательный

Регистрация (Действительный)

626

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Места учебы

  • Китай
    • Jilin
      • Changchun, Jilin, Китай, 130021
        • The First Hospital of Ji Lin University

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

18 лет и старше (ВЗРОСЛЫЙ, OLDER_ADULT)

Принимает здоровых добровольцев

Нет

Полы, имеющие право на обучение

Все

Метод выборки

Вероятностная выборка

Исследуемая популяция

В это исследование будут включены пациенты, у которых с помощью КТ были исключены легочные узлы. Золотым стандартом является патологически подтвержденная злокачественность узла.

Описание

Критерии включения:

  1. Пациенты, которым проводят скрининг легочных узлов.
  2. Данные КТ и соответствующие необработанные данные КТ доступны до операции.
  3. Имеется окончательный патологоанатомический диагноз злокачественности узла.

Критерий исключения:

  1. Злокачественные новообразования легких в анамнезе.
  2. Артефакты на КТ-изображениях серьезно ухудшают наблюдение за поражением.
  3. Временной интервал между КТ и диагнозом патологии составляет более 4 недель.

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Первая больница университета Цзи Линь
Будут собраны данные КТ и соответствующие необработанные данные КТ пациентов с легочными узлами.
Другой: Без вмешательств
Без вмешательств

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Площадь под кривой рабочей характеристики приемника (ROC)
Временное ограничение: 8 месяцев
Площадь под кривой (AUC) исходных данных при различении злокачественных узлов от доброкачественных.
8 месяцев
Выживаемость без болезней
Временное ограничение: 5 лет
Связь между необработанными данными и безрецидивной выживаемостью (DFS), которую определяют как время от начала диагностики рака легкого до подтвержденного времени рецидива или метастатического заболевания, или смерти.
5 лет
Общая выживаемость
Временное ограничение: 5 лет
Связь между исходными данными и общей выживаемостью (ОВ), которую определяли как время от начала диагностики рака легкого до смерти от любых причин.
5 лет

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Chinese Academy of Sciences

Соавторы

The First Hospital of Jilin University
Neusoft Medical Systems Co., Ltd.

Следователи

  • Директор по исследованиям: Yali Zang, Ph.D., Institute of Automation, Chinese Academy of Sciences

Публикации и полезные ссылки

Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.

Общие публикации

Полезные ссылки

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (ДЕЙСТВИТЕЛЬНЫЙ)

15 апреля 2019 г.

Первичное завершение (ДЕЙСТВИТЕЛЬНЫЙ)

30 июня 2022 г.

Завершение исследования (ДЕЙСТВИТЕЛЬНЫЙ)

30 июня 2022 г.

Даты регистрации исследования

Первый отправленный

23 января 2020 г.

Впервые представлено, что соответствует критериям контроля качества

23 января 2020 г.

Первый опубликованный (ДЕЙСТВИТЕЛЬНЫЙ)

27 января 2020 г.

Обновления учебных записей

Последнее опубликованное обновление (ДЕЙСТВИТЕЛЬНЫЙ)

30 июня 2022 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

29 июня 2022 г.

Последняя проверка

1 июня 2022 г.

Дополнительная информация

Термины, связанные с этим исследованием

Ключевые слова

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • CASMI001

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕ РЕШЕНО

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Клинические исследования Без вмешательств

Искать похожие исследования

Спонсоры и соавторы

Заболевания

Медикаментозные вмешательства

CROs by country

CROs in Belgium

Заболевания

Редкие заболевания

Медикаментозные вмешательства

Пищевые добавки

Спонсор / Соавторы

Места

Подписаться