Helbildsbild och CT-radiomikbaserat djupinlärningssystem för prognostiseringsförutsägelse vid blåscancer
26 april 2024 uppdaterad av: Mingzhao Xiao
Blåscancer (BLCA), med dess olika histopatologiska egenskaper och varierande patientresultat, utgör betydande utmaningar i diagnos och prognos.
Postoperativ överlevnadsstratifiering baserad på radiomikrofonfunktion och helbildsfunktion kan vara användbar för behandlingsbeslut för att förbättra prognosen.
I denna forskning strävar vi efter att utveckla ett djupt lärandebaserat prognostisk stratifieringssystem för automatisk förutsägelse av total och cancerspecifik överlevnad hos patienter med BLCA.
Studieöversikt
Status
Rekrytering
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Blåscancer kan vara svår att diagnostisera och förutsäga utfall för, eftersom sjukdomen kan variera mycket mellan patienter.
Denna forskning syftar till att utveckla ett nytt system som använder artificiell intelligens för att analysera patientinformation, inklusive bilder från operationer och skanningar.
Detta system kan sedan automatiskt förutsäga en patients totala överlevnad och hur sannolikt de är att överleva specifikt från cancer i urinblåsan.
Denna information skulle kunna användas av läkare för att fatta bättre behandlingsbeslut för varje patient.
Studietyp
Observationell
Inskrivning (Beräknad)
1000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studiekontakt
- Namn: QuanHao He
- Telefonnummer: 800-555-5555
- E-post: 2020120460@stu.cqmu.edu.cn
Studera Kontakt Backup
- Namn: Mingzhao Xiao, PHD
- Telefonnummer: 800-555-5555
- E-post: 2023140134@stu.cqmu.edu.cn
Studieorter
-
-
Chongqing
-
Chongqing, Chongqing, Kina, 400016
- Rekrytering
- Department of Urology, The First Affiliated Hospital of Chongqing Medical University
-
Kontakt:
- QuanHao He, PHD
- Telefonnummer: 800-555-5555
- E-post: 2020120460@stu.cqmu.edu.cn
-
Kontakt:
- Mingzhao Xiao, PHD
- Telefonnummer: 023-89012557
- E-post: 2023140134@stu.cqmu.edu.cn
-
-
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
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Nej
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Vi inkluderade patienter som endast opererades eller som hade neoadjuvant kemoterapi före operationen.
Vi uteslöt patienter med en postoperativ diagnos av icke-urotelialt karcinom.
Beskrivning
Inklusionskriterier:
- patienter med blåscancer som genomgått operation som radikal cystektomi eller transuretral resektion av blåstumör (TURBT)
- kontrast-CT-skanning mindre än två veckor före operationen
- fullständiga CT-bilddata och kliniska data
- kompletta hela diabildsdata
Exklusions kriterier:
- patienter med en postoperativ diagnos av icke-urotelialt karcinom
- dålig kvalitet på CT-bilder
- ofullständiga kliniska och uppföljande data
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
BLCA
patienter med cancer i urinblåsan som genomgått operation som radikal cystektomi eller transuretral resektion av blåstumör (TURBT).
|
utveckla och validera ett djupinlärningssystem för prognostiseringsförutsägelse vid cancer i urinblåsan baserat på CT-radiomik och hela diabilder.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Total överlevnad
Tidsram: upp till 10 år
|
tiden från operationsdatum till dödsfall av någon orsak eller datumet för senaste kontakt (censurerad observation) vid datumet för data cut-off.
|
upp till 10 år
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Återfallsfri överlevnad
Tidsram: upp till 10 år
|
tiden från operationsdatum till datum för första dokumenterade sjukdomsåterfall.
Patienter utan återfall vid analystillfället kommer att censureras
|
upp till 10 år
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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 2024
Primärt slutförande (Beräknad)
1 juni 2024
Avslutad studie (Beräknad)
1 oktober 2024
Studieregistreringsdatum
Först inskickad
25 april 2024
Först inskickad som uppfyllde QC-kriterierna
26 april 2024
Första postat (Faktisk)
29 april 2024
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
29 april 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
26 april 2024
Senast verifierad
1 april 2024
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- BLCA_CMUFH
- K2024-187-01 (Annan identifierare: The First Affiliated Hospital of Chongqing Medical University)
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
IPD-planbeskrivning
Datauppsättningarna som analyserades under den aktuella studien är inte offentligt tillgängliga på grund av patienters integritet men är tillgängliga från motsvarande författare på rimlig begäran.
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 .