Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

MR-baserad överlevnadsförutsägelse av gliompatienter som använder artificiell intelligens

5 februari 2021 uppdaterad av: Zhenyu Zhang, The First Affiliated Hospital of Zhengzhou University

MR-baserad överlevnadsförutsägelse av patienter med primärt gliom Ssing Deep Learning eller Machine Learning

Detta register syftar till att samla in kliniska, molekylära och radiologiska data inklusive detaljerade överlevnadsdata, kliniska parametrar, molekylär patologi (1p/19q-kodetion, MGMT-metylering, IDH- och TERTp-mutationer, etc) och konventionella/avancerade/nya MR-sekvenser (T1, T1c, T2, FLAIR, ADC, DTI, PWI, etc) hos patienter med primära gliom. Genom att utnyttja artificiell intelligens kommer detta register att försöka konstruera och förfina algoritmer som kan förutsäga patienters överlevnad inom ramen för molekylär patologi eller undergrupper av gliom.

Studieöversikt

Status

Rekrytering

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Icke-invasiv och exakt förutsägelse för överlevnad av gliompatienter är utmanande. Med utvecklingen av artificiell intelligens ligger mycket mer potential i den preoperativa konventionella/avancerade MR-avbildningen (T1 viktad avbildning, T2 viktad avbildning, FLAIR, kontrastförstärkt T1 viktad avbildning, diffusionsvägd avbildning och perfusionsavbildning) kan utgrävas för att hjälp förutsägelse av patienternas prognos inom ramen för molekylär patologi av gliom. Skapandet av ett register för primärt gliom med detaljerade överlevnadsdata, molekylär patologi, radiologiska data och med tillräcklig provstorlek för djupinlärning (>1000) ger möjligheter till personlig förutsägelse av överlevnad för gliompatienter med icke-invasivitet och precision.

Studietyp

Observationell

Inskrivning (Förväntat)

2500

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studieorter

  • Kina
    • Henan
      • Zhengzhou, Henan, Kina, 450052
        • Rekrytering
        • Department of Neurosurgery, First Affiliated Hospital of Zhengzhou University
        • Kontakt:

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

1 år till 90 år (Barn, Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Sannolikhetsprov

Studera befolkning

Patienter med nydiagnostiserat gliom som får tumörresektion med en förväntad livslängd på mer än 3 månader

Beskrivning

Inklusionskriterier:

  • Patienter måste ha radiologiskt och histologiskt bekräftad diagnos av primärt gliom
  • Förväntad livslängd på mer än 3 månader
  • Måste få tumörresektion
  • Undertecknat informerat samtycke

Exklusions kriterier:

  • Inga gliom
  • Ingen tillräcklig mängd tumörvävnader för detektion av molekylär patologi
  • Patienter som har någon typ av bioimplantat aktiverat av mekaniska, elektroniska eller magnetiska enheter
  • Patienter som är gravida eller ammar
  • Patienter som lider av allvarliga systematiska fel

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Observationsmodeller: Kohort
  • Tidsperspektiv: Retrospektiv

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
AUC för prestanda för överlevnadsprediktion
Tidsram: upp till 10 år
AUC för överlevnadsprediktion prestanda=sensitivitet+specificitet-1
upp till 10 år

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

The First Affiliated Hospital of Zhengzhou University

Samarbetspartners

Sun Yat-sen University

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 januari 2017

Primärt slutförande (Förväntat)

1 januari 2027

Avslutad studie (Förväntat)

1 juni 2027

Studieregistreringsdatum

Först inskickad

30 december 2019

Först inskickad som uppfyllde QC-kriterierna

30 december 2019

Första postat (Faktisk)

2 januari 2020

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

8 februari 2021

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

5 februari 2021

Senast verifierad

1 februari 2021

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • GliomaAI-2

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

Obeslutsam

IPD-planbeskrivning

Obeslutsam

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

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 .

Prenumerera