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

Модель глубокого обучения для диагностики метастазирования лимфатических узлов при карциноме носоглотки (NPC) (NPC)

14 февраля 2025 г. обновлено: Pu-Yun OuYang, Sun Yat-sen University

Разработка и валидация модели глубокого обучения для диагностики метастазирования лимфатических узлов при носоглоточной карциноме с использованием гистологических изображений цельных слайдов и зависимых от времени магнитно-резонансных изображений

(I) Модель ИИ для диагностики метастазирования лимфатических узлов Мы разработали модель ИИ, чтобы помочь диагностировать, распространился ли один лимфатический узел при раке носоглотки. Модель использует изображения МРТ лимфатического узла и область вокруг него. Он включает в себя: 1. Аутоматически идентифицировать лимфатические узлы и первичную опухоль. 2. Анализирование изображений МРТ лимфатического узла и окрестностей. 3. Использование МРТ до и после химиотерапии для отслеживания изменений в лимфатическом узле.

(Ii) Модель ИИ для прогнозирования метастазирования лимфатических узлов Мы создали модель ИИ, которая предсказывает, имеет ли лимфатический узел в определенной области рак. Эта модель использует комбинацию патологии первичной опухоли и МРТ изображений как опухоли, так и лимфатического узла. Он также отслеживает изменения в лимфатическом узле с течением времени. Модель включает в себя: 1. анализ патологии опухоли для выявления специфических лимфатических структур. 2. Использование МРТ для прогнозирования вероятности метастазирования в одном лимфатическом узле. 3. Проверка МРТ -сканирования до и после химиотерапии, чтобы помочь определить, метастазировал ли лимфатический узел.

(Iii) Проверка и анализ преимуществ модели ИИ Мы тестируем модель ИИ, чтобы увидеть, насколько хорошо она работает и ее потенциальные преимущества, в том числе: 1. Проверка, если ИИ может исправить прошлые диагнозы рецидивирующих лимфатических узлов при раке носоглотки, что может помочь направлять планы лечения для лучевой терапии. 2. Процедика модели с использованием результатов биопсии от больных раком головы и шеи, чтобы увидеть, может ли она точно обнаружить отрицательные лимфатические узлы. 3. Заключение клинических испытаний для проверки безопасности и эффективности модели ИИ при руководстве радиационным лечением для областей верхней шеи и отдельных лимфатических узлов при раке носоглотки. 4. Анализирование экономических преимуществ использования модели ИИ в радиационном лечении рака носоглотки.

Обзор исследования

Подробное описание

(I) Модель AI для помощи диагностике метастазирования лимфатических узлов при носоглоточной карциноме на основе МРТ -особенностей лимфатического узла и окружающей площади 3 мм.

Разработана модель ИИ, чтобы помочь диагностировать, метастазируется ли один лимфатический узел в раке носоглотки, основанный на особенностях МРТ самого лимфатического узла и его окружающей 3 -миллиметровой площади. В частности, модель включает в себя: 1. Аутоматическую сегментацию лимфатического узла и первичное поражение с использованием полупрозрачной модели ИИ. 2. Конструкция одной модели ИИ с двумя видами на основе базовых функций МРТ самого лимфатического узла и ее окружающей 3 мм области. 3. Разработка двойной серии модели с двойным видом с двойным видом на AI, основанную на МРТ-особенностях лимфатических узлов до и после индукционной химиотерапии.

(Ii) Модель мультимодальной ИИ для прогнозирования метастазирования лимфатических узлов. Мультимодальная модель ИИ построена для прогнозирования метастазирования одного лимфатического узла с одной станцией и диагностики метастазирования лимфатического узла «от поверхности до точки». Это основано на патологических особенностях первичного поражения носоглотки, изображений МРТ, местоположения лимфатических узлов и других факторов. В частности, модель включает в себя: 1. Создание модели AI на основе H & E, окрашенной цифровой патологией первичного поражения для извлечения особенностей третичной лимфатической структуры. 2. Разработка мультимодальной модели ИИ, интегрирующая патологические особенности носоглоточного первичного поражения и базовых изображений МРТ как первичного поражения, так и лимфатического узла, чтобы предсказать вероятность метастазирования лимфатических узлов на одной станции. 3. Конструкция одной многомодальной модели ИИ с одной или двойным временем с использованием вероятности метастазирования лимфатических узлов и базового МРТ или двух МРТ-сканирования до и после индукционной химиотерапии, чтобы диагностировать, метастазировал ли один лимфатический узел на станции.

(Iii) Анализ проверки и экономической выгоды моделей ИИ. Модели ИИ подвергаются тщательной проверке и анализу экономических выгод. В частности, процесс включает в себя: 1. Ретроспективная коррекция исторических диагнозов рецидивирующих лимфатических узлов in situ у пациентов с носоглоточной карциномой, использующими модель ИИ, чтобы проверить его потенциальные преимущества в направлении доз рецепта для лучевой терапии отдельных лимфатических узлов. 2. Обладание модели ИИ с использованием патологических результатов рассечения лимфатических узлов у пациентов с плоскоклеточным раком головы и шеи для оценки частоты обнаружения клинически диагностированных отрицательных лимфатических узлов. 3. Профессиональные клинические испытания для оценки эффективности и безопасности модели ИИ в руководящих дозах рецепта для лучевой терапии верхней шеи и лучевой терапии с одним лимфатическим узлом у пациентов с карциномой носоглотки. 4. Анализ экономического пользования, чтобы проиллюстрировать экономическую ценность модели ИИ в направлении лучевой терапии верхней шеи по карциноме носоглотки.

Тип исследования

Наблюдательный

Регистрация (Оцененный)

500

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, 510060
        • Рекрутинг
        • Department of Radiation Oncology, Sun Yat-sen University Cancer Center
        • Контакт:
          • Pu-Yun OuYang
          • Номер телефона: 86+020-87342925
          • Электронная почта: ouyangpy@sysucc.org.cn
        • Контакт:
          • Pu-Yun OuYang

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

Пациенты с патологически подтвержденной карциномой носоглотки

Описание

Критерии включения:

  1. Первичное поражение было патологически подтверждено как носоглоточная карцинома (классификация ВОЗ I, II и III);
  2. МРТ-сканирование проводили при первоначальном диагнозе (до противоопухолевого лечения), а также поперечные и корональные изображения МРТ до лечения были доступны, включая T1-взвешенные, взвешенные T2 и T1-усиленные последовательности.
  3. ПЭТ/КТ-сканирование было выполнено при первоначальном диагнозе (до противоопухолевого лечения)
  4. Когда МРТ и ПЭТ/КТ были несовместимы в оценке доброкачественного или злокачественного характера лимфатических узлов, пациент согласился пройти пункку и патологическое исследование шейного лимфатического узла.

Критерии исключения:

  1. Пациент подвергся лучевой терапии шейного лимфатического узла по любой причине
  2. В сочетании с другими злокачественными опухолями

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
Проспективная проверка когорта
Проспективная зачисление пациентов для проверки диагностической эффективности модели ИИ

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Аук
Временное ограничение: Благодаря завершению исследования в среднем 2 года
AUC (область под кривой) относится к области под кривой производительности, обычно кривой ROC (операционная характеристика приемника) или кривая PR (точная повторная), которая используется для оценки производительности классификационной модели. Это единственное скалярное значение, которое обеспечивает совокупную меру способности модели различать классы (например, положительные и отрицательные образцы).
Благодаря завершению исследования в среднем 2 года

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Чувствительность и специфичность
Временное ограничение: Благодаря завершению исследования в среднем 2 года
Чувствительность и специфичность являются фундаментальными показателями, используемыми для оценки эффективности классификационной модели, особенно в области медицинской диагностики, машинного обучения и статистики. Эти метрики используются для измерения того, насколько хорошо модель может правильно идентифицировать положительные и отрицательные случаи.
Благодаря завершению исследования в среднем 2 года

Другие показатели результатов

Мера результата
Мера Описание
Временное ограничение
Положительная прогностическая ценность (PPV) и отрицательное прогностическое значение (NPV)
Временное ограничение: Благодаря завершению исследования в среднем 2 года
Положительной прогностической ценностью (PPV) и отрицательной прогностической ценностью (NPV) являются показатели эффективности, используемые для оценки надежности прогнозов модели, особенно в задачах бинарной классификации. Эти метрики сосредоточены на точности положительных и отрицательных прогнозов модели.
Благодаря завершению исследования в среднем 2 года

Соавторы и исследователи

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

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

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 ноября 2024 г.

Первичное завершение (Оцененный)

1 сентября 2026 г.

Завершение исследования (Оцененный)

1 сентября 2026 г.

Даты регистрации исследования

Первый отправленный

8 февраля 2025 г.

Впервые представлено, что соответствует критериям контроля качества

14 февраля 2025 г.

Первый опубликованный (Действительный)

25 марта 2025 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

25 марта 2025 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

14 февраля 2025 г.

Последняя проверка

1 февраля 2025 г.

Дополнительная информация

Термины, связанные с этим исследованием

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Описание плана IPD

Индивидуальные данные участника (IPD) не могут быть переданы из -за опасений по поводу конфиденциальности пациентов, этических соображений или институциональной политики. Ограничения также могут возникнуть в результате правил защиты данных, соглашений о конфиденциальности или потенциального риска повторной идентификации. Кроме того, если данные включают конфиденциальную медицинскую информацию, обмен может потребовать особых разрешений или процессов отмены идентификации, которые невозможны.

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. .

Подписаться