结合定量 MRI 和人工智能改进前列腺癌分类
2024年4月12日 更新者：Jonsson Comprehensive Cancer Center
本研究评估了新的磁共振成像 (MRI) 和人工智能技术如何改善疑似确诊前列腺癌患者未来前列腺 MRI 检查的图像质量和定量信息。
这项研究中开发的 MRI 和人工智能技术可能会在未来使用比目前使用的侵入性更小的技术来提高诊断前列腺癌的准确性。
研究概览
详细说明
主要目标：
I. 开发和评估定量动态对比增强 (DCE)-MRI 分析技术，以最大限度地减少定量参数计算中患者和扫描仪特定的变异性。
二。 开发和评估弥散加权成像 (DWI) 方法，以减少由于患者和扫描仪特定的磁化率和涡流效应而导致的前列腺几何变形。
三、 开发和评估系统集成定量多参数 (mp)-MRI 特征的多类深度学习模型，以准确检测和分类具有临床意义的前列腺癌 (csPCa)。
大纲：
回顾：审查患者的医疗记录。
前瞻性：患者在他们的标准护理 3T MRI 之前、期间或之后 30 分钟内接受额外的 3 Tesla (T) MRI 成像，总共 1.5 小时。
研究类型
观察性的
注册 (估计的)
275
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：Nashla Barroso
- 电话号码：(310) 794-7952
- 邮箱：nbarroso@mednet.ucla.edu
学习地点
-
-
California
-
Los Angeles、California、美国、90095
- 招聘中
- UCLA / Jonsson Comprehensive Cancer Center
-
接触：
- Nashla Barroso
- 电话号码：310-794-7952
- 邮箱：nbarroso@mednet.ucla.edu
-
首席研究员：
- Kyung H. Sung, PhD
-
-
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
取样方法
非概率样本
研究人群
加利福尼亚大学洛杉矶分校 (UCLA) 的患者可能已经接受了 3 T 前列腺多参数 MRI 或在活检或根治性前列腺切除术之前转诊接受 3 T 多参数前列腺 MRI。
描述
纳入标准：
- 18岁及以上的男性患者
- 临床怀疑前列腺癌或活检证实为前列腺癌
- 在加州大学洛杉矶分校 (UCLA) 接受或接受多参数 3 T 前列腺 MRI
- 提供同意的能力
排除标准：
- MRI 的禁忌症（例如，心脏装置、人工瓣膜、严重的幽闭恐惧症）
- 除了可能对钆对比剂产生过敏反应外，对钆对比剂的禁忌症
- 既往放疗
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 |
干预/治疗 |
|---|---|
|
观察性（电子健康记录审查、3 T MRI）
回顾：审查患者的医疗记录。 前瞻性：患者在他们的标准护理 3T MRI 之前、期间或之后 30 分钟内接受额外的 3T MRI 成像，总共 1.5 小时。 |
医疗图表被审查
接受 3T MRI
其他名称：
|
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 |
|---|---|---|
|
定量动态对比 (DCE)-增强磁共振成像 (MRI) 分析技术的发展
大体时间：长达 5 年
|
将评估来自正常前列腺组织的转移常数 (Ktrans) 和速率常数 (Kep) 的扫描仪间变异性。
分布之间的成对差异将通过计算 Kolmogorov-Smirnov 统计来估计，定义为参数范围内经验分布函数之间的最大差异，三个 MRI 扫描仪中的每一个使用 200 个案例。
将计算扫描仪之间这些成对差异的平均值，以量化每个 DCE-MRI 模型的总体差异。
将使用非参数引导程序为平均差异的差异构建 95% 置信区间，以比较 DCE-MRI 模型之间的平均差异。
10,000 个 bootstrap 样本将通过扫描仪对患者进行替换、分层来生成。
如果 95% 的置信区间完全小于零，将得出结论，所提出的 DCE-MRI 模型具有减少的扫描仪间可变性。
|
长达 5 年
|
|
减少前列腺几何畸变的弥散加权成像 (DWI) 方法的开发
大体时间：长达 5 年
|
将比较矩形视野编码和标准 DWI 在前列腺 Dice 相似系数（主要结果）和表观扩散系数一致性方面的差异。
|
长达 5 年
|
|
开发多类深度学习模型
大体时间：长达 5 年
|
FocalNet 和前列腺成像报告和数据系统版本 2 的整体性能将根据曲线下面积进行比较。
曲线下面积之间的比较将使用 DeLong 检验进行。
还将包括 FocalNet 和基线深度学习方法（U-Net 和 Deeplab 无焦点损失 [FL] 和相互发现损失 [MFL]）之间的比较，以表征在同一研究队列中使用 FL 和 MFL 的优势。
对于这些方法中的每一种，将通过最大化 Youden's J（= 灵敏度 + 特异性 - 1）来确定具有临床意义的前列腺癌分类的最佳切点，并将根据选定的切点报告灵敏度、特异性和 95% 置信区间 -观点。
|
长达 5 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。
调查人员
- 首席研究员：Kyung H Sung, PhD、UCLA / Jonsson Comprehensive Cancer Center
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 (实际的)
2021年4月1日
初级完成 (估计的)
2026年6月1日
研究完成 (估计的)
2027年6月1日
研究注册日期
首次提交
2021年2月18日
首先提交符合 QC 标准的
2021年2月18日
首次发布 (实际的)
2021年2月21日
研究记录更新
最后更新发布 (实际的)
2024年4月16日
上次提交的符合 QC 标准的更新
2024年4月12日
最后验证
2024年4月1日
更多信息
与本研究相关的术语
其他研究编号
- 19-002202 (其他标识符：UCLA / Jonsson Comprehensive Cancer Center)
- NCI-2021-00373 (注册表标识符：CTRP (Clinical Trial Reporting Program))
- R01CA248506 (美国 NIH 拨款/合同)
- 441480-KS-29447 (其他赠款/资助编号：NCI)
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
在美国制造并从美国出口的产品
不
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.