Deep Learning Signatur för att förutsäga fullständigt patologiskt svar på neoadjuvant kemoimmunterapi vid icke-småcellig lungcancer
En integration av en datortomografi/positronemissionstomografi/hel diabild (CT/PET/WSI) baserad djupinlärningssignatur för att förutsäga fullständigt patologiskt svar på neoadjuvant kemoimmunterapi vid icke-småcellig lungcancer: en multicenterstudie
Studieöversikt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Studietyp
Studietyp
Inskrivning (Beräknad)
Inskrivning
Kontakter och platser
Studieorter
-
-
Guizhou
-
Zunyi, Guizhou, Kina
- Rekrytering
- Affiliated Hospital of Zunyi Medical University
-
Kontakt:
- Yongxiang Song, Dr
- Telefonnummer: 15505177258
- E-post: zhong961008@163.com
-
-
Jiangxi
-
Nanchang, Jiangxi, Kina
- Rekrytering
- The First Affiliated Hospital of Nanchang University
-
Kontakt:
- Bentong Yu, Dr
- Telefonnummer: 021-65115006
- E-post: 1151697503@qq.com
-
-
Zhejiang
-
Ningbo, Zhejiang, Kina
- Rekrytering
- Ningbo HwaMei Hospital
-
Kontakt:
- Minglei Yang, Dr
- Telefonnummer: 021-65115006
- E-post: almondjj@163.com
-
-
Deltagandekriterier
Urvalskriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Ålder från 20-75 år;
- Patienter som genomgick botande kirurgi efter neoadjuvant kemoimmunterapi för NSCLC;
- Erhöll skriftligt informerat samtycke.
Exklusions kriterier:
- Saknade bilddata;
- Patologisk N3-sjukdom.
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Area under mottagarens funktionskurva
Tidsram: 2023.5.1-2023.10.31
|
Arean under mottagarens operationskarakteristiska kurva (ROC) för djupinlärningsmodellen för att förutsäga fullständigt patologiskt svar (HLR).
HLR definierades som ingen kvarvarande tumör i både resekerade primärtumörer och lymfkörtlar.
Patienter med icke-småcellig lungcancer som får neoadjuvant kemoimmunterapi kommer att uppnå antingen HLR eller icke-HLR, vilket kan bekräftas genom patologisk undersökning efter kirurgisk resektion.
Och modellen kommer att mata ut det prediktiva värdet (HLR/icke-HLR) för varje patient som får neoadjuvant kemoimmunterapi.
|
2023.5.1-2023.10.31
|
Sekundära resultatmått
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Känslighet
Tidsram: 2023.5.1-2023.10.31
|
Känsligheten hos modellen för djupinlärning för att förutsäga fullständig patologisk respons.
HLR definierades som ingen kvarvarande tumör i både resekerade primärtumörer och lymfkörtlar.
Patienter med icke-småcellig lungcancer som får neoadjuvant kemoimmunterapi kommer att uppnå antingen HLR eller icke-HLR, vilket kan bekräftas genom patologisk undersökning efter kirurgisk resektion.
Och modellen kommer att mata ut det prediktiva värdet (HLR/icke-HLR) för varje patient som får neoadjuvant kemoimmunterapi.
|
2023.5.1-2023.10.31
|
Andra resultatmått
Andra resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Specificitet
Tidsram: 2023.5.1-2023.10.31
|
Specificiteten hos djupinlärningsmodellen för att förutsäga fullständigt patologiskt svar.
HLR definierades som ingen kvarvarande tumör i både resekerade primärtumörer och lymfkörtlar.
Patienter med icke-småcellig lungcancer som får neoadjuvant kemoimmunterapi kommer att uppnå antingen HLR eller icke-HLR, vilket kan bekräftas genom patologisk undersökning efter kirurgisk resektion.
Och modellen kommer att mata ut det prediktiva värdet (HLR/icke-HLR) för varje patient som får neoadjuvant kemoimmunterapi.
|
2023.5.1-2023.10.31
|
|
Positivt prediktivt värde
Tidsram: 2023.5.1-2023.10.31
|
Det positiva prediktiva värdet av djupinlärningsmodellen för att förutsäga fullständig patologisk respons.
HLR definierades som ingen kvarvarande tumör i både resekerade primärtumörer och lymfkörtlar.
Patienter med icke-småcellig lungcancer som får neoadjuvant kemoimmunterapi kommer att uppnå antingen HLR eller icke-HLR, vilket kan bekräftas genom patologisk undersökning efter kirurgisk resektion.
Och modellen kommer att mata ut det prediktiva värdet (HLR/icke-HLR) för varje patient som får neoadjuvant kemoimmunterapi.
|
2023.5.1-2023.10.31
|
|
Negativt prediktivt värde
Tidsram: 2023.5.1-2023.10.31
|
Det negativa prediktiva värdet av djupinlärningsmodellen för att förutsäga fullständig patologisk respons.
HLR definierades som ingen kvarvarande tumör i både resekerade primärtumörer och lymfkörtlar.
Patienter med icke-småcellig lungcancer som får neoadjuvant kemoimmunterapi kommer att uppnå antingen HLR eller icke-HLR, vilket kan bekräftas genom patologisk undersökning efter kirurgisk resektion.
Och modellen kommer att mata ut det prediktiva värdet (HLR/icke-HLR) för varje patient som får neoadjuvant kemoimmunterapi.
|
2023.5.1-2023.10.31
|
|
Noggrannhet
Tidsram: 2023.5.1-2023.10.31
|
Noggrannheten hos djupinlärningsmodellen för att förutsäga fullständig patologisk respons.
HLR definierades som ingen kvarvarande tumör i både resekerade primärtumörer och lymfkörtlar.
Patienter med icke-småcellig lungcancer som får neoadjuvant kemoimmunterapi kommer att uppnå antingen HLR eller icke-HLR, vilket kan bekräftas genom patologisk undersökning efter kirurgisk resektion.
Och modellen kommer att mata ut det prediktiva värdet (HLR/icke-HLR) för varje patient som får neoadjuvant kemoimmunterapi.
|
2023.5.1-2023.10.31
|
Samarbetspartners och utredare
Sponsor
Sponsor
Samarbetspartners
Samarbetspartners
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Studiestart
Primärt slutförande (Beräknad)
Primärt slutförande
Avslutad studie (Beräknad)
Avslutad studie
Studieregistreringsdatum
Först inskickad
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Första postat
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste uppdatering publicerad
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
Andra studie-ID-nummer
- DLCPR
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .