Диагностика и прогнозирование рака на основе искусственного интеллекта с помощью EHR
25 июля 2025 г. обновлено: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Диагностика и прогноз рака на основе ИИ с использованием электронных медицинских карт
Это многоцентровое, ретроспективное клиническое исследование, предназначенное для оценки применения и эффективности предсказательной модели A-A-Actisted для выявления и диагностики рака, используя данные мультимодального здоровья.
Обзор исследования
Статус
Рекрутинг
Условия
Вмешательство/лечение
Подробное описание
Диагностика рака и раннее обнаружение имеют решающее значение для улучшения результатов пациента и выживаемости.
Раннее выявление рака и соответствующее вмешательство могут значительно повлиять на успех лечения и прогноз.
В клинической практике онкологам часто необходимо интегрировать различные данные пациентов, включая историю болезни, результаты лабораторных испытаний, данные о визуализации, такие как компьютерные томографии и МРТ, и генетические маркеры, для точного диагноза и разработки персонализированного плана лечения.
По мере того, как точная медицина становится все более важной, задача остается в том, чтобы выявлять рак на ранних стадиях, особенно когда симптомы являются тонкими или отсутствующими.
Недавние достижения в области искусственного интеллекта и методов анализа данных показали большие перспективы в повышении диагностической точности и скорости обнаружения рака.
Это исследование направлено на разработку системы принятия решений, а также интеграция мультимодальных данных из электронных медицинских карт, визуализации, лабораторных результатов и генетических данных.
Цель состоит в том, чтобы повысить точность диагностики, оптимизировать клинические рабочие процессы и предоставить более персонализированные варианты лечения для больных раком.
В конечном счете, эта система стремится улучшить раннее обнаружение, руководство эффективными стратегиями лечения и повысить выживаемость пациентов.
Тип исследования
Наблюдательный
Регистрация (Оцененный)
1000000
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Контакты исследования
- Имя: Fei Liu, MD
- Номер телефона: +86 13810512704
- Электронная почта: liufei_2359@163.com
Места учебы
-
-
Guangdong
-
Guangzhou, Guangdong, Китай
- Рекрутинг
- Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University
-
Контакт:
- Yunfang Yu, MD
- Номер телефона: +86 020-81332199
- Электронная почта: yuyf9@mail.sysu.edu.cn
-
Guangzhou, Guangdong, Китай
- Рекрутинг
- Guangzhou Women and Children's Medical Center
-
Контакт:
- Bingzhou Li, MD
- Номер телефона: +86-0756-2222569
- Электронная почта: mr_jerry_99@163.com
-
Guangzhou, Guangdong, Китай
- Рекрутинг
- Nanfang Hospital
-
Контакт:
- Zhuomin Li, MD
- Номер телефона: +86-0577-85397527
- Электронная почта: chetneyli.1001@gmail.com
-
Guangzhou, Guangdong, Китай
- Рекрутинг
- Sun Yat-sen University Cancer Hospital
-
Контакт:
- Yuxing Lu, MD
- Номер телефона: +86 13161233730
- Электронная почта: yxlu0613@gmail.com
-
-
Sichuan
-
Chengdu, Sichuan, Китай
- Рекрутинг
- West China Hospital
-
Контакт:
- Kai Wang, MD
- Номер телефона: +86 028-85422114
- Электронная почта: wkai@stu.pku.edu.cn
-
-
Zhejiang
-
Wenzhou, Zhejiang, Китай
- Рекрутинг
- First Affiliated Hospital of Wenzhou Medical University
-
Контакт:
- Cheng Tang, MD
- Электронная почта: c249325687@163.com
-
Wenzhou, Zhejiang, Китай
- Рекрутинг
- Second Affiliated Hospital of Wenzhou Medical University
-
Контакт:
- Sian Liu, MD
- Номер телефона: +86-0577-88002888
- Электронная почта: liusan@mail3.sysu.edu.cn
-
-
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
Да
Метод выборки
Невероятностная выборка
Исследуемая популяция
Исследовательская популяция состоит из лиц в возрасте от 0 до 90 лет, которые получали помощь в участвующих учебных центрах.
Участники должны иметь комплексные электронные медицинские карты (EHR), включая историю болезни, результаты лабораторных испытаний, данные визуализации и генетическую информацию (если таковые имеются).
Оба лица с диагнозом рак (в том числе педиатрический и взрослый рак), и здоровые люди без рака, будут включены в исследование для оценки диагностических и прогнозирующих возможностей модели модели.
Исследование будет посвящено пациентам с полными и документированными записями ухода из участвующих центров, обеспечивая разнообразную когорту для анализа в разных возрастных группах и типах рака.
Описание
Критерии включения:
1 、 Пациенты с комплексными электронными медицинскими записями (EHR), включая историю болезни, результаты лабораторных испытаний, данные визуализации и генетические данные (если имеются).
2. Лица без серьезных когнитивных нарушений или условий, которые не позволят им предоставить информированное согласие или участвовать в исследовании.
3. Родители или опекуны должны предоставить информированное согласие для несовершеннолетних, в то время как взрослые участники должны предоставить информированное согласие для себя.
Критерии исключения:
- Пациенты с неполными или отсутствующими ключевыми электронными медицинскими данными или недостаточными данными последующего наблюдения.
- Люди с тяжелыми когнитивными расстройствами или другими терминальными заболеваниями, которые предотвратят значимое участие.
- Беременные женщины (хотя педиатрический рак рассматривается, беременные женщины будут исключены по соображениям безопасности).
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 |
|---|---|
|
Здоровая когорта
Эта группа состоит из людей без какого -либо диагностированного рака.
Участники этой когорты будут служить контрольной группой для сравнения с экспериментальной группой.
Никаких вмешательств или методов лечения не будет проводиться в эту когорту, поскольку они представляют собой базовую линию здоровых людей.
|
Это вмешательство включает в себя систему ИИ, которая интегрирует мультимодальные данные, включая историю болезни пациентов, результаты лабораторных испытаний, данные визуализации и генетическую информацию, для прогнозирования риска рака.
Система использует алгоритмы глубокого обучения для обеспечения точных и точных прогнозов в реальном времени, что обеспечивает раннюю идентификацию рисков рака.
Анализируя исторические данные о здоровье, модель направлена на предсказание потенциальных разработок рака, улучшение раннего обнаружения и результатов лечения.
|
|
Опухолевая когорта
Эта группа состоит из людей с диагнозом рака, включая различные типы.
Участники этой когорты будут служить экспериментальной группой для оценки эффективности модели раннего прогнозирования в выявлении рисков рака и повышении точности диагностики.
|
Это вмешательство включает в себя систему ИИ, которая интегрирует мультимодальные данные, включая историю болезни пациентов, результаты лабораторных испытаний, данные визуализации и генетическую информацию, для прогнозирования риска рака.
Система использует алгоритмы глубокого обучения для обеспечения точных и точных прогнозов в реальном времени, что обеспечивает раннюю идентификацию рисков рака.
Анализируя исторические данные о здоровье, модель направлена на предсказание потенциальных разработок рака, улучшение раннего обнаружения и результатов лечения.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Область под кривой (AUC)
Временное ограничение: 1 год
|
AUC кривой ROC, используемой для количественной оценки диагностической точности.
Нет единицы (соотношение или процент, обычно выражается как число от 0 до 1).
|
1 год
|
|
F1 Оценка
Временное ограничение: 1 год
|
Оценка F1 - это гармоническое среднее точности и чувствительности (напоминание).
Это хорошая мера способности модели идентифицировать как истинные позитивы, так и минимизировать ложные срабатывания, особенно в тех случаях, когда классы несбалансированы (например, когда число здоровых случаев намного выше, чем случаи заболевания).
Оценка F1 колеблется от 0 до 1, с 1, указывающим идеальную точность и отзыв.
|
1 год
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Чувствительность (истинно положительный показатель)
Временное ограничение: 1 год
|
Чувствительность измеряет, насколько хорошо модель ИИ идентифицирует истинные положительные случаи, такие как правильно диагностировать беременных женщин с осложнениями или выявление расстройств новорожденных.
|
1 год
|
|
Специфичность (истинно отрицательный показатель)
Временное ограничение: 1 год
|
Специфичность измеряет способность модели ИИ правильно идентифицировать случаи отсутствия заболеваний, гарантируя, что здоровые матери и младенцы будут правильно идентифицированы как отрицательные.
|
1 год
|
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)
19 января 2025 г.
Первичное завершение (Оцененный)
1 октября 2025 г.
Завершение исследования (Оцененный)
1 октября 2025 г.
Даты регистрации исследования
Первый отправленный
19 января 2025 г.
Впервые представлено, что соответствует критериям контроля качества
19 января 2025 г.
Первый опубликованный (Действительный)
24 января 2025 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
30 июля 2025 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
25 июля 2025 г.
Последняя проверка
1 июля 2025 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- Cancer
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
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
продукт, произведенный в США и экспортированный из 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. .