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

MRT-baserat AI-system efter strålbehandling för att förutsäga strålningsproktit för bäckencancer (MRI-RP-2021)

8 juni 2021 uppdaterad av: Sixth Affiliated Hospital, Sun Yat-sen University
I denna studie använder utredarna ett stödjande system för artificiell intelligens (AI) för att förutsäga strålningsproktit för patienter med bäckencancer som genomgick strålbehandling. Av systemet kommer om deltagarna uppnår strålningsproktiten att identifieras baserat på de radiomikromatiska egenskaperna som extraherats från magnetisk resonanstomografi (MRI) efter strålbehandling. Den prediktiva förmågan att särskilja strålningsproktit-individer från icke-strålande proktitpatienter kommer att valideras i denna multicenter, prospektiva kliniska studie.

Studieöversikt

Status

Har inte rekryterat ännu

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Detta är en multicenter, prospektiv, observationell klinisk studie för att hitta ett bättre sätt att förutsäga strålningsproktit hos patienter med bäckencancer baserat på data från post-radioterapi Magnetic Resonance Imaging (MRI). Patienter som patologiskt har diagnostiserats som bäckencancer kommer att skrivas in från det sjätte anslutna sjukhuset vid Sun Yat-sen University, Sir Run Run Shaw Hospital och det tredje anslutna sjukhuset vid Kunming Medical College. Patienter med bäckencancer som fått strålbehandling kommer att registreras och deras MRI-bilder efter strålbehandling kommer att användas för att förutsäga deras strålproktit eller inte. De kliniska symtomen, endoskopiska fynden, bildbehandling och histopatologi som standard. Den prediktiva effekten kommer att testas i denna multicenter, prospektiva kliniska studie.

Studietyp

Observationell

Inskrivning (Förväntat)

400

Kontakter och platser

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

Studiekontakt

Studieorter

  • Kina
    • Guangdong
      • GuangZhou, Guangdong, Kina, 510655
        • The Sixth Affiliated Hospital of Sun Yat-sen University
        • Kontakt:
      • Guangzhou, Guangdong, Kina, 510000
        • The Sixth Affiliated Hospital of Sun Yat-sen University
        • Kontakt:
          • Xinjuan Fan, MD
    • Yunnan
      • Kunming, Yunnan, Kina, 650000
        • The Third Affiliated Hospital of Kunming Medical College
    • Zhejiang
      • HangZhou, Zhejiang, Kina, 310000
        • Sir Run Run Shaw Hospital
        • 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

18 år till 75 år (VUXEN, OLDER_ADULT)

Tar emot friska volontärer

N/A

Kön som är behöriga för studier

Allt

Testmetod

Sannolikhetsprov

Studera befolkning

bäckencancer som genomgått strålbehandling kommer att inkluderas i vår studie.

Beskrivning

Inklusionskriterier:

  • patologiskt diagnostiserats som bäckentumörer
  • avser att få eller genomgå strålbehandling
  • MRT (höglösning T2-viktad avbildning, kontrastförstärkt T1-viktad avbildning och diffusionsviktad avbildning krävs) undersökning är klar efter strålbehandling

Exklusions kriterier:

  • otillräcklig bildkvalitet av MRT (t.ex. brist på sekvens, rörelseartefakter)
  • ofullständig strålbehandling

Studieplan

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

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Arean under curve (AUC) för Receiver Operating Characteristic (ROC) kurvor för AI-förutsägelsesystem i proktit för förutsägelse av strålning
Tidsram: baslinje
Arean under curve (AUC) för Receiver Operating Characteristic (ROC) kurvor för AI-prediktionssystem för att identifiera strålningsproktitkandidater från icke-strålande proktitindivider bland bäckencancer som genomgick strålbehandling
baslinje

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Specificiteten hos AI-förutsägelsesystem i proktit för förutsägelse av strålning
Tidsram: baslinje
Specificiteten hos AI-förutsägelsesystemet för att identifiera strålningsproktitkandidater från icke-strålande proktitindivider bland bäckencancer som genomgick strålbehandling
baslinje

Andra resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Känsligheten hos AI-förutsägelsesystem vid förutsägelse av strålningsproktitkandidater
Tidsram: baslinje
Känsligheten hos AI-förutsägelsesystem för att identifiera strålningsproktitkandidater från icke-strålande proktitindivider bland bäckencancer som genomgick strålbehandling
baslinje

Samarbetspartners och utredare

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

Sponsor

Sixth Affiliated Hospital, Sun Yat-sen University

Utredare

  • Huvudutredare: Zhenhui Li, MD, The Third Affiliated Hospital of Kunming Medical College.
  • Studiestol: Xinjuan Fan, MD, Sixth Affiliated Hospital, Sun Yat-sen University
  • Huvudutredare: Weidong Han, MD, Sir Run Run Shaw Hospital

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 (FÖRVÄNTAT)

22 juni 2021

Primärt slutförande (FÖRVÄNTAT)

1 juni 2024

Avslutad studie (FÖRVÄNTAT)

1 augusti 2024

Studieregistreringsdatum

Först inskickad

2 juni 2021

Först inskickad som uppfyllde QC-kriterierna

8 juni 2021

Första postat (FAKTISK)

9 juni 2021

Uppdateringar av studier

Senaste uppdatering publicerad (FAKTISK)

9 juni 2021

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

8 juni 2021

Senast verifierad

1 juni 2021

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • MRI-RP

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

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