深度学习用于妇科平滑肌肿瘤的组织病理学分类和预后 (STUMP)
2026年1月13日 更新者：Institut Bergonié
不符合良性（如平滑肌瘤）或恶性（如平滑肌肉瘤）诊断标准的子宫平滑肌肿瘤称为STUMP（恶性潜能不确定的平滑肌肿瘤）。
该问题的一个潜在解决方案可能是应用人工智能（AI）预测模型来帮助妇科平滑肌肿瘤的组织病理学分类和预后。
使用卷积神经网络的深度学习代表了一类特定的机器学习，其中通过考虑数字图像中的小组像素并迭代识别显着特征来训练预测模型。
在本研究中，我们的目标是开发能够根据苏木精和伊红（H&E）玻片的组织病理学特征准确对妇科平滑肌肿瘤进行细分和预测预后的深度学习模型。
目的是开发一种诊断和预后算法，帮助病理学家更好地分类和诊断子宫平滑肌肿瘤并预测其临床病程。
研究概览
研究类型
观察性的
注册 (估计的)
392
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：Sabrina CROCE
- 电话号码：+33556333333
- 邮箱：s.croce@bordeaux.unicancer.fr
学习地点
-
-
-
Bordeaux、法国
- 招聘中
- Institut Bergonie
-
接触：
- Sabrina CROCE
-
-
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
取样方法
非概率样本
研究人群
- 子宫平滑肌肿瘤：平滑肌瘤、恶性程度不明的平滑肌肿瘤和平滑肌肉瘤。
描述
纳入标准：
- 诊断为子宫平滑肌肿瘤（平滑肌瘤、恶性程度不明的平滑肌肿瘤和平滑肌肉瘤）、在 RRePS 数据库中注册和/或在 Institut Bergonié 或参与中心之一接受治疗的患者。
- 提供组织病理学材料（煤油块和/或载玻片）。
排除标准：
- 娜
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 |
|---|---|
|
树桩队列
不符合良性（如平滑肌瘤）或恶性肿瘤（如平滑肌肉瘤）诊断标准的子宫平滑肌肿瘤：恶性潜能不确定的平滑肌肿瘤
|
由于这是一项观察性研究，因此无需干预
|
|
平滑肌肉瘤-平滑肌肉瘤
符合良性（如平滑肌瘤）或恶性肿瘤（如平滑肌肉瘤）诊断标准的子宫平滑肌肿瘤
|
由于这是一项观察性研究，因此无需干预
|
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 |
|---|---|---|
|
开发能够精确分类妇科平滑肌肿瘤亚型的深度学习模型
大体时间：在研究进行期间——数据收集后预计平均6个月
|
本项目旨在改善妇科平滑肌肿瘤的诊断和预后，包括平滑肌瘤（LM）、平滑肌肉瘤（LMS）以及恶性潜能未定的平滑肌肿瘤（STUMP）。具体而言，将开发一个包含两个阶段的工作流程，以从全切片图像中自动分类GSMT亚型，并预测LMS和STUMP组患者的无进展生存期，从而为临床医生提供更有效的工具，以提高工作流程质量。
|
在研究进行期间——数据收集后预计平均6个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
开发STUMP的预后工具
大体时间：收到数据后6个月。
|
基于全切片图像提取的特征，开发一个预测STUMP组无进展生存期的模型。
|
收到数据后6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)
2023年12月1日
初级完成 (估计的)
2026年12月1日
研究完成 (估计的)
2026年12月1日
研究注册日期
首次提交
2024年8月2日
首先提交符合 QC 标准的
2024年8月2日
首次发布 (实际的)
2024年8月6日
研究记录更新
最后更新发布 (实际的)
2026年1月15日
上次提交的符合 QC 标准的更新
2026年1月13日
最后验证
2026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.