基于人工智能新算法的眼部肿瘤病理影像学诊断研究
2021年1月4日 更新者：Chun Zhang、Peking University
本研究的目的是建立一个获取眼部肿瘤数字病理图像信息的标准化流程；利用现代病理技术获取眼部肿瘤病理组织中多种生物标志物的共表达信息，最终构建标准化数字化眼部肿瘤生物标志物病理图像数据库。
研究概览
详细说明
本研究为前瞻性研究。
北京大学第三医院眼科常见且有代表性的眼部肿瘤患者，在知情同意后选择入组，收集临床基本信息、术前血样、眼部肿瘤获取病理图像注释数据和基因组学相关数据眼部肿瘤组织标本，利用血液样本进行基因组学信息分析，为人工智能算法开发提供多维数据，建立人工智能辅助眼部肿瘤图像数据标准化流程，建立多模态眼部肿瘤标准化数据库“临床信息-组织样本-病理图像-基因组学数据”。
数据库与诊断系统相互关联，为后期的机器学习和相关算法的建立提供最优图像数据，最终研究者将完成新型人工智能辅助眼部肿瘤诊断系统的设计。
研究类型
观察性的
注册 (预期的)
100
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。
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
- 孩子
- 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
北京大学第三医院眼科患眼部肿瘤并接受手术治疗的患者。
描述
纳入标准：
- 被诊断患有眼部肿瘤并接受眼部肿瘤手术的患者。
- 患者签署样本采集和样本转移协议的知情同意书，并能配合长期定期随访的要求。
排除标准：
- 因各种原因无法进行肿瘤手术或留样的患者。
- 乙型肝炎、艾滋病毒和梅毒阳性的患者。
- 患者依从性差。
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
队列和干预
团体/队列 |
|---|
|
黑色素瘤和痣
手术前被诊断为眼周皮肤黑色素瘤或/和痣的患者。
|
|
基底细胞癌;鳞状细胞癌;皮脂腺癌
术前诊断为基底细胞癌、鳞状细胞癌、皮脂腺癌的患者。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
比较 OPAL 和 IHC 对黑色素瘤和其他肿瘤的诊断准确性。
大体时间：长达 24 周。
|
OPAL 自动分析的结果将与 IHC 手动计数分析进行比较。如果 OPAL 自动分析满足所有抗体手动计数的 85% 以上，则该研究的准确性将被宣布为“成功”。
|
长达 24 周。
|
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。
调查人员
- 首席研究员：Chun Zhang, MD/PHD、Peking University Third Hospital
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 (预期的)
2020年12月31日
初级完成 (预期的)
2022年6月1日
研究完成 (预期的)
2022年6月1日
研究注册日期
首次提交
2020年11月19日
首先提交符合 QC 标准的
2021年1月4日
首次发布 (实际的)
2021年1月5日
研究记录更新
最后更新发布 (实际的)
2021年1月5日
上次提交的符合 QC 标准的更新
2021年1月4日
最后验证
2021年1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.