Радиомика на основе КТ и модели глубокого обучения для прогнозирования инвазии щитовидной железы и прогноза для пациентов с карциномой гортани
20 августа 2024 г. обновлено: xinwei Chen, First Affiliated Hospital of Chongqing Medical University
Радиомика на основе КТ, двумерные и трехмерные модели глубокого обучения для прогнозирования инвазии щитовидной железы и прогноза для пациентов с карциномой гортани: многоцентровое исследование
Целью этого ретроспективного исследования была разработка и проверка радиомикальной модели на основе КТ, 2D-модели глубокого обучения и 3D-модели глубокого обучения для предоперационного прогнозирования инвазии щитовидного хряща у пациентов с раком гортани, чтобы обеспечить более точную диагностику и основу лечения для врачей.
А производительность вышеупомянутых моделей сравнивали с двумя рентгенологами.
Кроме того, исследователи исследовали прогнозирование результатов выживаемости пациентов с помощью вышеупомянутых оптимальных моделей.
Обзор исследования
Подробное описание
Плоскоклеточный рак гортани (LSCC), как одна из наиболее распространенных опухолей головы и шеи, занимает восьмое место среди причин смертности от рака во всем мире.
Решения о лечении оказывают глубокое влияние как на контроль опухоли, так и на функциональный прогноз пациентов с LSCC.
И эти решения в первую очередь основаны на стадии опухоли, при этом решающим фактором является инвазия щитовидного хряща.
Следовательно, наличие инвазии щитовидной железы указывает на позднюю стадию (Т3 или Т4) диагноза у пациентов с LSCC.
У пациентов без инвазии щитовидного хряща можно рассмотреть возможность частичной ларингэктомии для сохранения функции гортани.
Однако пациентам с распространенным раком гортани и инвазией щитовидного хряща, выходящей за пределы гортани, часто необходима тотальная ларингэктомия, чтобы полностью удалить опухоль и продлить время выживания.
Таким образом, точная оценка инвазии щитовидного хряща имеет жизненно важное значение для принятия решения о лечении и оценки прогноза для пациентов с LSCC.
В последнее время искусственный интеллект в форме машинного обучения и глубокого обучения (DL) широко применяется в медицинской визуализации.
Радиомика, играющая важную роль в машинном обучении, может извлекать многомерные данные о характеристиках и количественно предоставлять ценную информацию для определения стадии опухоли и прогноза.
Кроме того, DL может автоматически фиксировать и изучать отличительные признаки посредством сквозного способа для точного прогнозирования.
В совокупности цели этого многоцентрового исследования заключались в разработке и проверке радиомикальной модели, 2D-модели DL и 3D-модели DL на основе КТ-изображений венозной фазы, а также сравнении эффективности этих моделей с результатами двух рентгенологов при прогнозировании состояния щитовидной железы. вторжение.
Кроме того, исследователи исследовали прогностическую ценность оптимальной прогнозируемой модели инвазии щитовидного хряща.
Тип исследования
Наблюдательный
Регистрация (Оцененный)
400
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
-
Chongqing, Китай
- Рекрутинг
- The First Affiliated Hospital of Chongqing Medical University
-
Контакт:
- Peng juan
- Номер телефона: +86 189 8328 0171
- Электронная почта: pengjuan1209@126.com
-
-
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
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Нет
Метод выборки
Вероятностная выборка
Исследуемая популяция
Исследователи собрали пациентов с карциномой гортани из двух центров.
Пациенты из центра 1 были случайным образом разделены на группу обучения и группу внутренней валидации в соотношении 7:3.
Кроме того, пациенты из центра 2 были включены в группу внешней валидации.
Описание
Критерии включения:
- Наличие полных клинических данных
- Подтвержденный хирургическим путем или биопсией диагноз плоскоклеточного рака гортани
- КТ-обследование, выполненное в течение 2 недель до операции.
Критерий исключения:
- Пациенты, получавшие предоперационную химиотерапию или лучевую терапию
- КТ-изображения со значительными артефактами
- Пациенты с рецидивом опухоли
- Пациенты с максимальным диаметром опухоли менее 5 мм.
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 |
|---|---|
|
учебная когорта
Никаких вмешательств
|
Радиомика извлекает количественную информацию из медицинских изображений для создания многомерных векторов признаков для анализа. Его цель – дать представление о процессах заболевания и улучшить диагностику. Глубокое обучение использует нейронные сети с несколькими слоями для изучения сложных закономерностей на основе данных. В медицинской визуализации он обеспечивает точный и эффективный анализ для выявления и диагностики заболеваний.
Другие имена:
|
|
группа внутренней проверки
Никаких вмешательств
|
Радиомика извлекает количественную информацию из медицинских изображений для создания многомерных векторов признаков для анализа. Его цель – дать представление о процессах заболевания и улучшить диагностику. Глубокое обучение использует нейронные сети с несколькими слоями для изучения сложных закономерностей на основе данных. В медицинской визуализации он обеспечивает точный и эффективный анализ для выявления и диагностики заболеваний.
Другие имена:
|
|
когорта внешней проверки
Никаких вмешательств
|
Радиомика извлекает количественную информацию из медицинских изображений для создания многомерных векторов признаков для анализа. Его цель – дать представление о процессах заболевания и улучшить диагностику. Глубокое обучение использует нейронные сети с несколькими слоями для изучения сложных закономерностей на основе данных. В медицинской визуализации он обеспечивает точный и эффективный анализ для выявления и диагностики заболеваний.
Другие имена:
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Площадь под кривой, AUC
Временное ограничение: После завершения обучения в среднем 6 месяцев
|
Площадь под кривой (AUC) — это показатель, широко используемый в машинном обучении и медицинских исследованиях для оценки эффективности моделей в задачах двоичной классификации.
Он отражает способность модели идентифицировать истинные положительные результаты (истинные положительные результаты), избегая при этом ложной классификации отрицательных примеров как положительных (ложные положительные результаты).
|
После завершения обучения в среднем 6 месяцев
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Выживаемость без болезней, DFS
Временное ограничение: Дата операции и возникновение таких событий, как прогрессирование заболевания, дата последнего наблюдения или смерть по любой причине, а время наблюдения составляло не менее 3 лет.
|
Выживаемость без заболеваний (DFS) относится к времени от начала рандомизации (обычно отправной точки клинического исследования) до рецидива заболевания или смерти пациента из-за прогрессирования заболевания.
DFS — важный клинический и статистический показатель, используемый для оценки долгосрочных эффектов лечения рака.
|
Дата операции и возникновение таких событий, как прогрессирование заболевания, дата последнего наблюдения или смерть по любой причине, а время наблюдения составляло не менее 3 лет.
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
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)
13 августа 2023 г.
Первичное завершение (Оцененный)
13 сентября 2024 г.
Завершение исследования (Оцененный)
13 октября 2024 г.
Даты регистрации исследования
Первый отправленный
12 июня 2024 г.
Впервые представлено, что соответствует критериям контроля качества
17 июня 2024 г.
Первый опубликованный (Действительный)
18 июня 2024 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
22 августа 2024 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
20 августа 2024 г.
Последняя проверка
1 августа 2024 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
- Заболевания дыхательных путей
- Новообразования по гистологическому типу
- Новообразования
- Новообразования по локализации
- Новообразования железистые и эпителиальные
- Заболевания эндокринной системы
- Новообразования дыхательных путей
- Оториноларингологические новообразования
- Новообразования головы и шеи
- Оториноларингологические заболевания
- Заболевания гортани
- Карцинома
- Заболевания щитовидной железы
- Новообразования гортани
Другие идентификационные номера исследования
- 2024-Chenx
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Описание плана IPD
Клинические данные собираются вручную из системы клинических случаев; данные КТ-изображения экспортируются из системы PACS и анонимно сохраняются на отдельном диске данных; а графические материалы собираются и анонимно хранятся на отдельном диске с данными.
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. .