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

AI-baserad bildmodell för förutsägelse av blåscancer

30 maj 2024 uppdaterad av: Yun Luo, Third Affiliated Hospital, Sun Yat-Sen University

Utveckling och validering av en bildbaserad prediktiv modell för artificiell intelligens för blåscancer

Blåscancer är den nionde vanligaste maligna tumören i världen, kännetecknad av hög malignitet och dålig prognos. Vi avser att utveckla en CT-baserad tumörspirande prediktiv modell för blåscancer med hjälp av algoritmer för djupinlärning. Denna modell kommer att underlätta preoperativ bedömning av patienttillstånd, vilket möjliggör formulering av mer exakta och personliga behandlingsplaner.

Studieöversikt

Studietyp

Observationell

Inskrivning (Beräknad)

2000

Kontakter och platser

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

Studiekontakt

Studieorter

    • Guangdong
      • Guangzhou, Guangdong, Kina, 510630
        • Rekrytering
        • The third affiliated hospital of Sun Yat-Sen 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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

patienter med cancer i urinblåsan

Beskrivning

Inklusionskriterier:

  1. Blåscancerpatienter behandlade från 1 januari 2014 till 1 januari 2023;
  2. Inlagd på sjukhus och genomgick transuretral resektion av blåstumör (TURBT) eller radikal cystektomi;
  3. Kompletta kliniska, preoperativa CT-data och patologiska data.

Exklusions kriterier:

  1. Patienter som tidigare genomgått kirurgisk behandling för blåscancer på andra centra, vilket gör det svårt att få fram sina preoperativa data;
  2. Patienter med andra samtidiga maligniteter i bäckenet eller urinvägarna;
  3. Patienter med dålig kvalitet, låg upplösning eller bleka CT eller patologiska bilder.

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
utbildningskohort
för utbildning av modellen, från Sun Yat-sen Memorial Hospital vid Sun Yat-sen University.
Inga specifika ingrepp.
intern valideringskohort
används för att utvärdera modellens prestanda, är från Sun Yat-sen Memorial Hospital vid Sun Yat-sen University.
Inga specifika ingrepp.
extern valideringskohort 1
används för att utvärdera modellens prestanda, kommer från Third Affiliated Hospital vid Sun Yat-sen University.
Inga specifika ingrepp.
extern valideringskohort 2
används för att utvärdera modellens prestanda, är från det andra anslutna sjukhuset vid Dalian Medical University.
Inga specifika ingrepp.
extern valideringskohort 3
som används för att utvärdera modellens prestanda, kommer från First Affiliated Hospital of Chongqing Medical University.
Inga specifika ingrepp.
extern valideringskohort 4
används för att utvärdera modellens prestanda, är från Yan'an-sjukhuset anslutet till Kunming Medical University.
Inga specifika ingrepp.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Tumor Budding: En översikt
Tidsram: Ett år efter utskrivning efter operation
Tumörknoppning är ett histopatologiskt fenomen som observeras i olika typer av cancer, inklusive cancer i urinblåsan. Det hänvisar till närvaron av enstaka celler eller små kluster av celler (färre än fem) vid den invasiva fronten av tumörer. Dessa knoppar tyder på en epitel-mesenkymal övergång (EMT), en process där epitelceller får mesenkymala, invasiva egenskaper, vilket är avgörande för cancerinvasion och metastaser.
Ett år efter utskrivning efter operation

Samarbetspartners och utredare

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

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 2024

Primärt slutförande (Beräknad)

31 oktober 2024

Avslutad studie (Beräknad)

31 december 2024

Studieregistreringsdatum

Först inskickad

30 maj 2024

Först inskickad som uppfyllde QC-kriterierna

30 maj 2024

Första postat (Beräknad)

4 juni 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Beräknad)

4 juni 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

30 maj 2024

Senast verifierad

1 maj 2024

Mer information

Termer relaterade till denna studie

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