基因组技术和图像处理应用人工智能获得黑色素瘤风险预测模型
2015年7月29日 更新者:Maimónides Biomedical Research Institute of Córdoba
本研究的目的是开发黑色素瘤发展风险的预测模型。
研究人员将使用人工智能技术来分析临床和皮肤镜图片获得的图像模式。
研究人员想要定义一个新的预测风险模型,该模型是从遗传信息和色素病变的图像分析中获得的。
该模型可以帮助更准确地区分那些最有可能在高危人群中发展为黑色素瘤的患者。
研究概览
地位
未知
条件
研究类型
观察性的
注册 (预期的)
300
联系人和位置
本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。
学习联系方式
- 姓名:Blanca Quijano-Ruiz, Pharmacist
- 电话号码:(+34) 677 906 567
- 邮箱:blanca.quijano@imibic.org
参与标准
研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
这些患者在雷纳索非亚大学医院的色素沉着病房接受了随访。
在 200 名患者的亚组中,研究人员将分析黑色素细胞痣、非典型痣和黑色素瘤的皮肤镜图像,以使用人工智能方法寻找共同模式。
根据获得的模式,研究人员将建立一个强大的模型来对具有患黑色素瘤风险的人群进行分类。
在该模型中,将使用社会人口统计学、临床和遗传数据来提高所获得模型的准确性。
在第二阶段,将在 100 名不同患者的子组中评估预测模型的准确性。
描述
纳入标准:
- ≥18岁;
- 对雷纳索非亚大学医院色素性病变部的黑色素瘤高危患者进行随访(一级家族史/个人有熟悉的黑色素瘤和/或超过 50 的黑色素细胞痣和/或发育不良或非典型痣);
- 至少有一个皮肤镜登记的所有痣都将包括在内。
排除标准:
- 患者临床病史中的数据不足;
- 位于面部、头皮、粘膜或肢端区域的病变;
- 结节性或转移性黑色素瘤诊断
- Fitzpatrick 照相标尺的 V 型或 VI 型
学习计划
本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。
研究是如何设计的?
设计细节
研究衡量的是什么?
主要结果指标
结果测量 |
大体时间 |
---|---|
黑色素瘤参与者人数
大体时间:三年
|
三年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始
2015年7月1日
初级完成 (预期的)
2018年7月1日
研究注册日期
首次提交
2015年7月28日
首先提交符合 QC 标准的
2015年7月28日
首次发布 (估计)
2015年7月29日
研究记录更新
最后更新发布 (估计)
2015年7月30日
上次提交的符合 QC 标准的更新
2015年7月29日
最后验证
2015年7月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.