基于 MRI 的多模态数据融合的深度学习增强了乳腺癌术后风险分层
2024年8月8日 更新者：Yunfang Yu、Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
乳腺癌对全球健康构成了重大挑战，尤其是对女性而言，尽管进行了早期干预，但其复发率和远处扩散率仍然很高。 及时识别转移风险并准确预测治疗策略对于改善预后至关重要。 然而，乳腺肿瘤复杂的异质性给精确的预后预测带来了挑战。 因此，开发肿瘤分割和预后评估的创新方法至关重要。
该研究是一项多中心研究，招募了来自四个独立中心的 1,199 名非转移性乳腺癌患者。 我们的研究利用人工智能 (AI) 的进步来应对这一挑战。 该研究首次成功应用基于MRI的多模态预测系统来精确识别乳腺癌患者术后复发的风险。
研究概览
研究类型
观察性的
注册 (实际的)
1199
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
取样方法
非概率样本
研究人群
在该研究的初始阶段，1199 名患者以 8:2 的比例随机分配到训练和测试数据集，以进行自动肿瘤分割。
随后，我们将来自中山大学孙逸仙纪念医院（SYSMH；中国广州）的 569 名患者以 3:1 的比例随机分配到训练组（n = 456）和内部验证组（n = 113）。 DFS 预测的队列。
其余患者被分为两个独立的外部验证队列：来自中山大学肿瘤中心（SYSUCC；中国广州）的 432 名患者进入外部测试队列 1，来自东莞东华医院（DTH；中国东莞）和顺德的 198 名患者被分为外部测试队列 1。南方医科大学附属医院（SDHSMU；中国广州）纳入外部测试队列 2。
描述
纳入标准：
- 组织学证实的 I-III 期侵袭性 BC
- 年龄≥18岁
- 接受手术的患者
- MRI扫描的存在
排除标准：
- 缺乏病理结果
- 同时患有其他恶性肿瘤
- 是否排除了 MR 成像问题
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 |
|---|---|
|
培训队列
我们将来自中山大学孙逸仙纪念医院（SYSMH；中国广州）的 569 名患者以 3:1 的比例随机分配到训练组 (n = 456) 和内部验证组 (n = 113)。
|
|
|
内部验证队列
我们将来自中山大学孙逸仙纪念医院（SYSMH；中国广州）的 569 名患者以 3:1 的比例随机分配到训练组 (n = 456) 和内部验证组 (n = 113)。
|
|
|
外部测试队列 1
来自中山大学肿瘤中心（SYSUCC；中国广州）的 432 名患者进入外部测试队列 1。
|
|
|
外部测试队列 2
来自东莞东华医院（DTH；中国东莞）和南方医科大学顺德医院（SDHSMU；中国广州）的 198 名患者进入外部测试队列 2。
|
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FS
大体时间：从手术到肿瘤复发的时间，包括局部和/或远处复发、疾病进展或死亡，评估长达 100 个月。
|
无病生存
|
从手术到肿瘤复发的时间，包括局部和/或远处复发、疾病进展或死亡，评估长达 100 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)
2011年3月23日
初级完成 (实际的)
2019年9月21日
研究完成 (实际的)
2021年12月6日
研究注册日期
首次提交
2024年7月6日
首先提交符合 QC 标准的
2024年8月8日
首次发布 (实际的)
2024年8月9日
研究记录更新
最后更新发布 (实际的)
2024年8月9日
上次提交的符合 QC 标准的更新
2024年8月8日
最后验证
2024年8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.