Tillämpningen av multimodala artificiell intelligenssystem i prostatacancerdiagnos och prognosanalys
22 juli 2026 uppdaterad av: Ren Shancheng, Shanghai Changzheng Hospital
Tillämpningen av multimodal datafusion i prostatacancer kommer att ge nya möjligheter att förbättra diagnostisk noggrannhet och behandlingsresultat.
Genom att integrera bildbehandling, genomik, patologi och kliniska data förväntar vi oss att förverkliga precisionsmedicin för prostatacancer och avsevärt förbättra överlevnadsprognosen för patienter.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Prostatacancer är en av de vanligaste maligniteterna bland män över hela världen. Global cancerstatistik visar att antalet nya prostatacancerdiagnoser ökar varje år.
Under de senaste åren har tillkomsten av multimodal datafusionsteknologi banat väg för innovativa diagnostiska och prognostiska metoder för prostatacancer. Till exempel förfinar synergin mellan MRT-avbildning med kliniska indikatorer som PSA-nivåer och Gleason-poäng inte bara iscensättningen av prostatacancer utan belyser också en patients sannolika svar på behandling och överlevnadsutsikter.
Den exponentiella tillväxten av artificiell intelligens, särskilt den breda användningen av algoritmer för djupinlärning och maskininlärning, har framstått som en formidabel tillgång inom multimodal dataanalys. Genom att utveckla ett AI-drivet multimodalt datafusionssystem kan stora medicinska datauppsättningar effektivt bearbetas, vilket lägger grunden för en mer nyanserad hjälpdiagnostisk och terapeutisk beslutsram.
Studietyp
Observationell
Inskrivning (Faktisk)
1651
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Kina, 100021
- Cancer Hospital, Chinese Academy of Medical Sciences
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510120
- The First Affiliated Hospital of Guangzhou Medical University
-
-
Jiangsu
-
Nanjing, Jiangsu, Kina
- Zhongda Hospital, Southeast University
-
Nanjing, Jiangsu, Kina, 210029
- Jiangsu Provincial People's Hospita
-
Suzhou, Jiangsu, Kina, 215006
- The First Affiliated Hospital of Soochow University
-
Yangzhou, Jiangsu, Kina, 225001
- Northern Jiangsu People's Hospita
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, Kina, 200433
- Changhai Hospital
-
Shanghai, Shanghai Municipality, Kina, 201209
- Shanghai Changzheng Hospital
-
-
Sichuan
-
Chengdu, Sichuan, Kina, 610041
- West China Hospital, Sichuan University
-
-
Zhejiang
-
Ningbo, Zhejiang, Kina, 315010
- Ningbo No. 1 Hospita
-
-
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
Ja
Testmetod
Sannolikhetsprov
Studera befolkning
Människor som måste genomgå undersökning av prostata eller bäckenmagnetisk resonans (MR).
Beskrivning
Inklusionskriterier:
- Man, 18-80 år;
- Patienter med normal prostata, prostatahyperplasi eller prostatacancer som har genomgått en undersökning av prostata eller bäckenmagnetisk resonans (MR);
- Första besöket 1 januari 2014 eller senare.
Uteslutningskriterier:
- Patienter med en diagnos av någon annan malignitet under de senaste 5 åren;
- Patienter som har genomgått transuretral resektion eller enucleation av prostata innan de genomgår avbildning;
- Patienter som inte är lämpliga för deltagande i denna kliniska prövning enligt utredarens bedömning;
Patienter som uppfyller något av ovanstående kriterier får inte registreras som försökspersoner.
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 |
|---|---|
|
Upptäcktskohort
Deltagare med PSA -nivåer> 4 ng/ml och hade genomgått prostatisk biopsi och MPMR enligt utredarna retrospektivt.
|
Data från MPMRI- och CFDNA -analys kommer att integreras och behandlas genom djup inlärning.
Modellens utgång kommer att jämföras mot den slutliga patologiska diagnosen från prostatabiopsin för att utvärdera dess prestanda.
|
|
Prospektiv intern valideringskohort
Patienter som är planerade för prostatabiopsi och MPMR, med PSA-nivåer i 4-10 ng/ml grå zon, kommer att samtyckas till och registreras i denna grupp prospektivt.
|
Data från MPMRI- och CFDNA -analys kommer att integreras och behandlas genom djup inlärning.
Modellens utgång kommer att jämföras mot den slutliga patologiska diagnosen från prostatabiopsin för att utvärdera dess prestanda.
|
|
Prospektiv extern valideringskohort
Patienter som är planerade för prostatabiopsi och MPMR, med PSA-nivåer i 4-10 ng/ml grå zon, kommer att samtyckas till och registreras i denna grupp prospektivt.
|
Data från MPMRI- och CFDNA -analys kommer att integreras och behandlas genom djup inlärning.
Modellens utgång kommer att jämföras mot den slutliga patologiska diagnosen från prostatabiopsin för att utvärdera dess prestanda.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Tidsram |
|---|---|
|
Känslighet hos prostatacancer multimodal modell för att förutsäga prostatabiopsipatologiska resultat (godartad eller maligna)
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
|
Specificitet för multimodal prostatacancermodell för att förutsäga prostatabiopsipatologiska resultat (godartad eller maligna)
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
|
ROC-värde för multimodal prostatacancermodell för att förutsäga utfall av prostatabiopsipatologi (godartad eller maligna)
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Sekundära resultatmått
Resultatmått |
Tidsram |
|---|---|
|
ROC-värde för en multimodal prostatacancermodell för att förutsäga patologiska utfall av Gleason-poängkategorier (≤6, 7, ≥8) hos män som genomgick prostatabiopsi
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
|
Känsligheten hos en multimodal prostatacancermodell för att förutsäga patologiska utfall av Gleason-poängkategorier (≤6, 7, ≥8) hos män som genomgick en prostatabiopsi
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
|
Specificiteten hos en multimodal prostatacancermodell för att förutsäga patologiska utfall av Gleason-poängkategorier (≤6, 7, ≥8) hos män som genomgick prostatabiopsi
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
|
ROC-värde för en multimodal prostatacancermodell för att förutsäga kliniskt signifikant prostatacancer (csPCa) hos män som genomgick prostatabiopsi
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
|
Känsligheten hos en multimodal prostatacancermodell för att förutsäga kliniskt signifikant prostatacancer (csPCa) hos män som genomgick prostatabiopsi
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
|
Specificiteten hos en multimodal prostatacancermodell för att förutsäga kliniskt signifikant prostatacancer (csPCa) hos män som genomgick prostatabiopsi
Tidsram: Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Genom avslutad studie och all dataanalys som kan ta upp till ett år.
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
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)
10 oktober 2024
Primärt slutförande (Faktisk)
30 juli 2025
Avslutad studie (Faktisk)
30 juli 2025
Studieregistreringsdatum
Först inskickad
6 september 2024
Först inskickad som uppfyllde QC-kriterierna
6 september 2024
Första postat (Faktisk)
19 september 2024
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
23 juli 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
22 juli 2026
Senast verifierad
1 juli 2026
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- M_PCa
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 .