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

Deep Learning Signatur för att förutsäga fullständigt patologiskt svar på neoadjuvant kemoimmunterapi vid icke-småcellig lungcancer

27 juni 2023 uppdaterad av: Chang Chen, Shanghai Pulmonary Hospital, Shanghai, China

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

Syftet med denna studie är att utvärdera prestandan hos en CT/PET/WSI-baserad djupinlärningssignatur för att förutsäga fullständigt patologiskt svar på neoadjuvant kemoimmunterapi vid icke-småcellig lungcancer

Studieöversikt

Status

Rekrytering

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Beräknad)

100

Kontakter och platser

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

Studieorter

  • Kina
    • Guizhou
      • Zunyi, Guizhou, Kina
        • Rekrytering
        • Affiliated Hospital of Zunyi Medical University
        • Kontakt:
    • Jiangxi
      • Nanchang, Jiangxi, Kina
        • Rekrytering
        • The First Affiliated Hospital of Nanchang University
        • Kontakt:
    • Zhejiang
      • Ningbo, Zhejiang, Kina
        • Rekrytering
        • Ningbo HwaMei 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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

N/A

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Resekerade steg I-III NSCLC efter neoadjuvant kemoimmunterapi

Beskrivning

Inklusionskriterier:

  1. Ålder från 20-75 år;
  2. Patienter som genomgick botande kirurgi efter neoadjuvant kemoimmunterapi för NSCLC;
  3. Erhöll skriftligt informerat samtycke.

Exklusions kriterier:

  1. Saknade bilddata;
  2. Patologisk N3-sjukdom.

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
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

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

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

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

Sponsor

Shanghai Pulmonary Hospital, Shanghai, China

Samarbetspartners

Zunyi Medical College
Ningbo HwaMei Hospital, Zhejiang, China
The First Affiliated Hospital of Nanchang University, Jiangxi, China

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 maj 2023

Primärt slutförande (Beräknad)

31 oktober 2023

Avslutad studie (Beräknad)

31 oktober 2023

Studieregistreringsdatum

Först inskickad

12 maj 2023

Först inskickad som uppfyllde QC-kriterierna

27 juni 2023

Första postat (Faktisk)

29 juni 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

29 juni 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

27 juni 2023

Senast verifierad

1 juni 2023

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • DLCPR

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

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