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

Модель искусственного интеллекта прогнозирует эффективность неоадъювантной химиотерапии при раке молочной железы: многоцентровое двунаправленное когортное исследование

15 июля 2024 г. обновлено: Yunfang Yu, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Модель большого языка искусственного интеллекта, основанная на многозадачном и мультимодальном слиянии данных, точно прогнозирует эффективность неоадъювантной химиотерапии при раке молочной железы: многоцентровое двунаправленное когортное исследование

Неоадъювантная химиотерапия является важной частью систематического лечения рака молочной железы, и она имеет большое клиническое значение для прогнозирования эффективности неоадъювантной химиотерапии на ранней стадии. Появление мультимодальной модели искусственного интеллекта принесло для нее новые идеи. Однако ограниченная способность искусственного интеллекта интегрировать мультимодальные данные, отсутствие мультимодальных моделей и недостаточный уровень доказательств в клиническом продвижении искусственного интеллекта — все это научные проблемы, которые необходимо решить. На ранней стадии исследования были построены различные модели точного прогнозирования искусственного интеллекта, а также вспомогательные модели диагностики и лечения рака молочной железы на основе магнитно-резонансной томографии, патомики и т. д., а также эффективности моделей в прогнозировании лечебного эффекта неоадъювантной терапии. была изучена химиотерапия рака молочной железы. Чтобы еще больше повысить прогностическую эффективность модели и заполнить пробел в систематическом изучении модели мультимодального слияния данных, это клиническое исследование направлено на объединение патологических изображений, магнитно-резонансной томографии, текста диагностического отчета и клинических переменных для создания искусственной модели. интеллектуальная модель большого языка, основанная на многозадачном и мультимодальном слиянии данных, для точного прогнозирования эффективности неоадъювантной химиотерапии при раке молочной железы. Для изучения прогностической эффективности модели было проведено многоцентровое двунаправленное когортное исследование.

Обзор исследования

Статус

Запись по приглашению

Подробное описание

Это многоцентровое двунаправленное когортное исследование. Были созданы ретроспективная обучающая когорта, ретроспективная проверочная когорта и проспективная тестовая когорта.

Данные пациентов, проходивших лечение в северном отделении Мемориальной больницы Сунь Ятсена Университета Сунь Ятсена с 1 января 2002 г. по 31 августа 2023 г., были ретроспективно собраны для учебной когорты, а данные пациентов, проходивших лечение в южном отделении Сунь Ята, были ретроспективно собраны. -Мемориальный госпиталь Сунь Ятсена Университета Сунь Ятсена для группы внутренней проверки; Данные о пациентах, проходивших лечение во внешних центрах в период с 1 января 2002 г. по 31 августа 2023 г., были ретроспективно собраны для когорты внешней валидации. Для тестовой группы были проспективно собраны данные о пациентах, поступивших в Мемориальную больницу Сунь Ятсена при Университете Сунь Ятсена после 1 января 2024 года. Собранные данные о пациентах включали: патологические изображения и тексты отчетов об образцах пункции молочной железы до неоадъювантной химиотерапии, магнитно-резонансные изображения молочной железы и тексты отчетов до неоадъювантной химиотерапии, послеоперационные патологические отчеты и клиническую информацию и т. д. Модель большого языка искусственного интеллекта, основанная на многозадачной и мультимодальной интеграции данных, была создана для точного прогнозирования эффективности неоадъювантной химиотерапии при раке молочной железы, а ее прогностическая эффективность была проверена группой ретроспективной проверки и группой проспективных двойных слепых испытаний. За ретроспективной когортой этого исследования наблюдали для сбора клинических данных, магнитно-резонансной томографии и отчетов, а также отчетов о хирургической патологии пациентов и т. д. Когда у пациентов наблюдался рецидив заболевания, записывалось время DFS пациентов, а когда у пациентов не было рецидива заболевания, записывалось время последнего наблюдения. Исследование исходных данных было завершено во время госпитализации пациентов перспективной когорты. В ходе наблюдения были получены патологоанатомические заключения об опухолях молочной железы, удаленных хирургическим путем после неоадъювантной химиотерапии, а также о времени рецидива заболевания и времени смерти пациентов. Клиническая информация, такая как магнитно-резонансная томография и отчеты, была собрана во время последующего наблюдения. Наблюдение до конца 2-летнего исследования.

Тип исследования

Наблюдательный

Регистрация (Оцененный)

840

Контакты и местонахождение

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

Места учебы

    • Guangdong
      • Guangzhou, Guangdong, Китай
        • Sun Yat-Sen Memorial Hospital of Sun Yat-Sen 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

  • Ребенок
  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

В этом исследовании примут участие в общей сложности 840 человек, в том числе 300 пациентов, проходящих лечение в северном отделении Мемориальной больницы Сунь Ятсена Университета Сунь Ятсена, 200 пациентов, проходящих лечение в южном отделении Мемориальной больницы Сунь Ятсена Сунь. Университет Ятсена, 170 пациентов лечились во внешних центрах. Проспективный сбор данных от 170 пациентов, лечившихся в Мемориальной больнице Сунь Ятсена.

Описание

Критерии включения:

  • Женщины
  • Патологоанатомическая диагностика неметастатического инвазивного рака молочной железы (II-III стадии)
  • Не менее 4 циклов неоадъювантной химиотерапии.
  • После неоадъювантной химиотерапии выполнена радикальная операция.
  • Имеются патологические изображения и отчеты об образцах пункции молочной железы перед неоадъювантной химиотерапией.
  • «Есть изображения МРТ и отчеты о МРТ молочной железы в течение 2 недель до неоадъювантной химиотерапии.
  • Имеются стандартные клинические записи.

Критерий исключения:

  • Воспалительный рак молочной железы
  • Двусторонний рак молочной железы
  • Недавно диагностированный рак молочной железы IV стадии.
  • Другие опухоли не были удалены полностью или прошло менее 3 лет после операции.
  • Перед операцией проводилось лечение, отличное от неоадъювантной терапии.

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
учебная когорта
Для обучающей группы были ретроспективно собраны данные о пациентах, проходивших лечение в северном отделении Мемориальной больницы Сунь Ятсена Университета Сунь Ятсена с 1 января 2002 г. по 31 августа 2023 г.
группа внутренней проверки
Данные пациентов, проходивших лечение в южном отделении Мемориальной больницы Сунь Ятсена Университета Сунь Ятсена с 1 января 2002 г. по 31 августа 2023 г., были ретроспективно собраны для группы внутренней валидации.
когорта внешней проверки
Данные о пациентах, проходивших лечение во внешних центрах в период с 1 января 2002 г. по 31 августа 2023 г., были ретроспективно собраны для когорты внешней валидации.
тестовая когорта
Для тестовой когорты были проспективно собраны данные о пациентах, поступивших в Мемориальную больницу Сунь Ятсена Университета Сунь Ятсена после 1 января 2024 года.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Прогностическая способность модели pCR после неоадъювантной химиотерапии у больных раком молочной железы
Временное ограничение: 1 год
кривая рабочей характеристики приемника (кривая ROC) использовалась для оценки прогнозирующей эффективности модели.
1 год

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Прогностическая способность модели СДС после неоадъювантной химиотерапии у больных раком молочной железы
Временное ограничение: 1 год
кривая рабочей характеристики приемника (кривая ROC) использовалась для оценки прогнозирующей эффективности модели.
1 год

Другие показатели результатов

Мера результата
Мера Описание
Временное ограничение
Прогностическая способность модели чувствительности к препаратам неоадъювантной химиотерапии у больных раком молочной железы
Временное ограничение: 1 год
кривая рабочей характеристики приемника (кривая ROC) использовалась для оценки прогнозирующей эффективности модели.
1 год

Соавторы и исследователи

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

Следователи

  • Учебный стул: Yunfang Yu, Doctor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Директор по исследованиям: Herui Yao, Doctor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Kai Chen, Doctor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Yan Nie, Doctor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Xiaohui Duan, Doctor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Jingjing Han, Master, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Yanchun Li, Bachelor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Wei Ren, Doctor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Zifan He, Doctor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Luhui Mao, Bachelor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Zebang Zhang, Bachelor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Tang Li, Bachelor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Zhenjun Huang, Bachelor, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
  • Главный следователь: Wei Zhang, Doctor, First Affiliated Hospital of Jinan University

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 (Оцененный)

1 августа 2024 г.

Первичное завершение (Оцененный)

1 июня 2025 г.

Завершение исследования (Оцененный)

31 января 2026 г.

Даты регистрации исследования

Первый отправленный

4 июля 2024 г.

Впервые представлено, что соответствует критериям контроля качества

15 июля 2024 г.

Первый опубликованный (Действительный)

19 июля 2024 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

19 июля 2024 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

15 июля 2024 г.

Последняя проверка

1 июля 2024 г.

Дополнительная информация

Термины, связанные с этим исследованием

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. .

Подписаться