深度学习磁共振成像放射组学对婴儿肝脏肿瘤的诊断价值
2021年12月22日 更新者：Yuhan Yang、West China Hospital
围产期肝肿瘤与受影响患者的显着发病率和死亡率相关。
传统的诊断工具，如甲胎蛋白 (AFP) 在婴儿肝肿瘤的诊断中显示出有限的价值。
这项回顾性-前瞻性研究旨在通过分析初始治疗前的磁共振成像 (MRI) 图像来评估深度学习系统的诊断效率。
研究概览
详细说明
肝脏肿瘤很少发生在围产期。
它们约占胎儿和新生儿中各种类型肿瘤总数的 5%。
婴儿血管内皮瘤是主要的原发性肝脏肿瘤，其次是肝母细胞瘤。
值得一提的是，即使在正常婴儿出生后的头几个月，甲胎蛋白（AFP）也会显着升高，因此 AFP 对患有肝肿瘤的婴幼儿患者的诊断价值有限。
本研究由四川大学华西医院进行回顾性-前瞻性设计，包括临床资料和影像学资料。
对 2010 年 6 月和 2020 年 12 月具有明确组织学诊断和可用磁共振成像 (MRI) 图像的患者进行了回顾性数据库登记。
研究人员在这个回顾性队列中构建了一个深度学习放射组学诊断模型，并在内部对其进行了验证。
一个前瞻性队列将招募自 2021 年 1 月以来被诊断为肝肿瘤的婴儿患者。
拟议的深度学习模型也将在这个前瞻性队列中进行外部验证。
建立的模型将能够辅助婴儿肝肿瘤的诊断。
研究类型
观察性的
注册 (预期的)
200
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。
学习地点
-
-
Sichuan
-
Chendu、Sichuan、中国、610041
- 招聘中
- West China Hospital, Sichuan University
-
-
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
1秒 至 1年 (孩子)
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
肝肿瘤患者，术前完成腹部MRI检查、活检、新辅助化疗、放疗。
描述
纳入标准：
- 新生儿至 12 个月之间的年龄
- 诊断前未接受任何治疗
- 经书面知情同意
排除标准：
- 临床数据缺失
- 不可用的 MRI 图像
- 未经书面知情同意
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
- 观测模型：队列
- 时间观点：其他
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
回顾性队列
内部队列于2010年6月和2020年12月在四川大学华西医院回顾性入组。
这是一个培训和内部验证队列。
|
用于放射组学特征提取、分类特征和模型收缩的不同放射组学、机器学习和深度学习策略。
|
|
前瞻性队列
前瞻性地对同一中心应用相同的纳入/排除标准。
这是一个外部验证队列。
|
用于放射组学特征提取、分类特征和模型收缩的不同放射组学、机器学习和深度学习策略。
|
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 |
|---|---|---|
|
深度学习算法对小儿肝肿瘤的诊断准确率
大体时间：1个月
|
深度学习算法对小儿肝肿瘤的诊断准确率。
|
1个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
深度学习算法对小儿肝肿瘤的诊断敏感性
大体时间：1个月
|
深度学习算法对小儿肝肿瘤的诊断敏感性。
|
1个月
|
|
深度学习算法对小儿肝肿瘤的诊断特异性
大体时间：1个月
|
深度学习算法对小儿肝肿瘤的诊断特异性。
|
1个月
|
|
深度学习算法对小儿肝肿瘤的诊断阳性预测价值
大体时间：1个月
|
深度学习算法对小儿肝肿瘤的诊断阳性预测价值。
|
1个月
|
|
深度学习算法对小儿肝肿瘤的诊断阴性预测价值
大体时间：1个月
|
深度学习算法对小儿肝肿瘤的诊断阴性预测价值。
|
1个月
|
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 (实际的)
2021年1月1日
初级完成 (预期的)
2023年12月31日
研究完成 (预期的)
2023年12月31日
研究注册日期
首次提交
2021年12月8日
首先提交符合 QC 标准的
2021年12月22日
首次发布 (实际的)
2021年12月27日
研究记录更新
最后更新发布 (实际的)
2021年12月27日
上次提交的符合 QC 标准的更新
2021年12月22日
最后验证
2021年12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.