用于预测切除肺腺癌的新型分级系统的全切片图像
2024年10月17日 更新者：Chang Chen、Shanghai Pulmonary Hospital, Shanghai, China
基于整个幻灯片图像的深度学习特征用于预测切除肺腺癌的新型分级系统
本研究的目的是评估基于深度学习特征的整个幻灯片图像的性能，用于基于多中心前瞻性队列预测已切除肺腺癌的新型分级系统。
研究概览
研究类型
观察性的
注册 (估计的)
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
-
-
Guizhou
-
Zunyi、Guizhou、中国
- 招聘中
- Affiliated Hospital of Zunyi Medical University
-
接触：
- Yongxiang Song, Dr
- 电话号码：15505177258
- 邮箱：zhong961008@163.com
-
-
Jiangxi
-
Nanchang、Jiangxi、中国
- 招聘中
- The First Affiliated Hospital of Nanchang University
-
接触：
- Bentong Yu, Dr
- 电话号码：021-65115006
- 邮箱：1151697503@qq.com
-
-
Zhejiang
-
Ningbo、Zhejiang、中国
- 招聘中
- Ningbo HwaMei Hospital
-
接触：
- Minglei Yang, Dr
- 电话号码：021-65115006
- 邮箱：almondjj@163.com
-
-
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
- 成人
- 年长者
接受健康志愿者
不适用
取样方法
非概率样本
研究人群
切除肺腺癌
描述
纳入标准：
- 原发性肺腺癌病理证实；
- 年龄20-75岁；
- 获得书面知情同意。
排除标准：
- 肺部多发病变；
- 整个幻灯片图像质量差；
- 临床信息不完整的参与者；
- 粘液性腺癌及其变体；
- 接受过新辅助治疗的参与者。
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 |
措施说明 |
大体时间 |
|---|---|---|
|
IASLC分级系统的一致率
大体时间：2024.11.01-2024.12.31
|
深度学习模型与病理学家诊断肺腺癌 IASLC 分级的一致率。
|
2024.11.01-2024.12.31
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
主要亚型的一致率
大体时间：2024.11.01-2024.12.31
|
深度学习模型和病理学家在诊断肺腺癌主要生长模式方面的一致性。
|
2024.11.01-2024.12.31
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
特异性
大体时间：2023.5.1-2023.10.31
|
基于整个幻灯片图像的深度学习模型在预测切除肺腺癌的新型分级系统中的特异性。
新的肺腺癌分级系统包括I级、II级和III级。
并且模型将输出每位切除肺腺癌患者的分级预测值（I级/II级/III级）。
|
2023.5.1-2023.10.31
|
|
阳性预测值
大体时间：2023.5.1-2023.10.31
|
基于全切片图像的深度学习模型对预测肺腺癌切除新分级系统的阳性预测价值。
新的肺腺癌分级系统包括I级、II级和III级。
并且模型将输出每位切除肺腺癌患者的分级预测值（I级/II级/III级）。
|
2023.5.1-2023.10.31
|
|
阴性预测值
大体时间：2023.5.1-2023.10.31
|
基于全切片图像的深度学习模型对预测肺腺癌切除新分级系统的阴性预测价值。
新的肺腺癌分级系统包括I级、II级和III级。
并且模型将输出每位切除肺腺癌患者的分级预测值（I级/II级/III级）。
|
2023.5.1-2023.10.31
|
|
准确性
大体时间：2023.5.1-2023.10.31
|
基于整个幻灯片图像的深度学习模型在预测切除肺腺癌的新型分级系统中的准确性。
新的肺腺癌分级系统包括I级、II级和III级。
并且模型将输出每位切除肺腺癌患者的分级预测值（I级/II级/III级）。
|
2023.5.1-2023.10.31
|
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)
2024年10月15日
初级完成 (估计的)
2024年12月31日
研究完成 (估计的)
2024年12月31日
研究注册日期
首次提交
2023年5月12日
首先提交符合 QC 标准的
2023年6月27日
首次发布 (实际的)
2023年6月29日
研究记录更新
最后更新发布 (实际的)
2024年10月21日
上次提交的符合 QC 标准的更新
2024年10月17日
最后验证
2024年10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.