AI-prediktionsmodell och riskstratifiering för lungmetastaser vid kolorektal cancer
Utveckling och validering av en prediktionsmodell för artificiell intelligens och en överlevnadsriskstratifiering för lungmetastaser i kolorektal cancer från mycket obalanserade data
Bakgrund:
För att hjälpa kliniker med diagnos och optimalt behandlingsbeslut försökte vi utveckla och validera en prediktionsmodell för artificiell intelligens för lungmetastaser (LM) hos patienter med kolorektal cancer (CRC).
Metod:
De klinisk-patologiska egenskaperna hos 46 037 CRC-patienter från databasen Surveillance, Epidemiology and End Results (SEER) och 2779 CRC-patienter från en extern valideringsuppsättning med flera centra samlades in retrospektivt. Efter funktionsval genom univariata och multivariata analyser utvecklades och validerades sex modeller för maskininlärning (ML), inklusive logistisk regression, K-närmaste granne, stödvektormaskin, beslutsträd, slumpmässig skog och balanserad slumpmässig skog (BRF). LM-förutsägelse. Optimeringsmodellen med bästa prestanda jämfördes med den kliniska prediktorn. Dessutom användes stratifierade LM-patienter efter riskpoäng för överlevnadsanalys.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Studietyp
Inskrivning (Faktisk)
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- patienter med patologisk bekräftelse av en primär CRC-diagnos
Exklusions kriterier:
- (1) patienter med flera primära cancerformer eller andra maligniteter; (2) patienter identifierade via obduktion eller dödsattest; och (3) patienter med osäkra kliniska datavärden
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
valideringsuppsättning 1
Valideringsuppsättning 1 bestod av patienter med CRC diagnostiserade och behandlade mellan 1 januari 2016 och 31 december 2020, vid Cancer Hospital Chinese Academy of Medical Sciences och Peking Union Medical College.
|
Platsen för patientens behandling
|
|
valideringsset 2
Valideringsuppsättning 2 bestod av patienter med CRC som diagnostiserades och behandlades mellan 1 januari 2016 och 31 december 2020, på det andra anslutna sjukhuset vid Harbin Medical University.
|
Platsen för patientens behandling
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
lungmetastaser
Tidsram: genom avslutad studie, i genomsnitt 3 månader
|
diagnostiserats med lungmetastaser
|
genom avslutad studie, i genomsnitt 3 månader
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
- Matsmältningssystemets sjukdomar
- Patologiska processer
- Luftvägssjukdomar
- Neoplasmer
- Lungsjukdomar
- Neoplasmer efter plats
- Gastrointestinala neoplasmer
- Neoplasmer i matsmältningssystemet
- Gastrointestinala sjukdomar
- Neoplasmer i andningsvägarna
- Thoracic neoplasmer
- Kolonsjukdomar
- Tarmsjukdomar
- Intestinala neoplasmer
- Rektala sjukdomar
- Neoplastiska processer
- Lungneoplasmer
- Kolorektala neoplasmer
- Neoplasma Metastas
Andra studie-ID-nummer
- PekingUMC02
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 .