多模态人工智能系统在前列腺癌诊断及预后分析中的应用
2026年7月22日 更新者：Ren Shancheng、Shanghai Changzheng Hospital
多模态数据融合在前列腺癌中的应用将为提高诊断准确性和治疗效果带来新的机会。
通过整合影像学、基因组学、病理学和临床数据，我们期望实现前列腺癌的精准医疗，显着改善患者的生存预后。
研究概览
详细说明
前列腺癌是全球男性中最常见的恶性肿瘤之一。 全球癌症统计数据显示，新诊断的前列腺癌数量每年都在增加。
近年来，多模式数据融合技术的出现为前列腺癌的创新诊断和预后方法铺平了道路。 例如，MRI 成像与 PSA 水平和格里森评分等临床指标的协同作用不仅可以完善前列腺癌的分期，还可以揭示患者对治疗的可能反应和生存前景。
人工智能的指数级增长，特别是深度学习和机器学习算法的广泛采用，已成为多模式数据分析领域的强大资产。 通过开发人工智能驱动的多模态数据融合系统，可以有效处理大量的医疗数据集，为更细致的辅助诊断和治疗决策框架奠定基础。
研究类型
观察性的
注册 (实际的)
1651
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
-
-
Beijing Municipality
-
Beijing、Beijing Municipality、中国、100021
- Cancer Hospital, Chinese Academy of Medical Sciences
-
-
Guangdong
-
Guangzhou、Guangdong、中国、510120
- The First Affiliated Hospital of Guangzhou Medical University
-
-
Jiangsu
-
Nanjing、Jiangsu、中国
- Zhongda Hospital, Southeast University
-
Nanjing、Jiangsu、中国、210029
- Jiangsu Provincial People's Hospita
-
Suzhou、Jiangsu、中国、215006
- The First Affiliated Hospital of Soochow University
-
Yangzhou、Jiangsu、中国、225001
- Northern Jiangsu People's Hospita
-
-
Shanghai Municipality
-
Shanghai、Shanghai Municipality、中国、200433
- Changhai Hospital
-
Shanghai、Shanghai Municipality、中国、201209
- Shanghai Changzheng Hospital
-
-
Sichuan
-
Chengdu、Sichuan、中国、610041
- West China Hospital, Sichuan University
-
-
Zhejiang
-
Ningbo、Zhejiang、中国、315010
- Ningbo No. 1 Hospita
-
-
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
是的
取样方法
概率样本
研究人群
需要接受前列腺或盆腔磁共振（MR）检查的人士
描述
纳入标准：
- 男性，18-80周岁；
- 接受过前列腺或盆腔磁共振（MR）检查的正常前列腺、前列腺增生或前列腺癌患者；
- 首次访问时间为 2014 年 1 月 1 日或之后。
排除标准：
- 过去5年内诊断出任何其他恶性肿瘤的患者；
- 在进行影像学检查之前接受过经尿道前列腺切除术或前列腺剜除术的患者；
- 经研究者判断不适合参加本临床试验的患者；
符合上述任何标准的患者不得作为受试者入组。
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 |
|---|---|
|
发现队列
根据研究人员的回顾性，PSA水平> 4 ng/mL的参与者进行了前列腺活检和MPMR。
|
MPMRI和CFDNA分析的数据将通过深度学习进行整合和处理。
该模型的输出将与前列腺活检的最终病理诊断进行比较，以评估其性能。
|
|
潜在的内部验证队列
计划进行前列腺活检和MPMR的患者，PSA水平在4-10 ng/ml灰色区域中，将同意并参与该组。
|
MPMRI和CFDNA分析的数据将通过深度学习进行整合和处理。
该模型的输出将与前列腺活检的最终病理诊断进行比较，以评估其性能。
|
|
潜在的外部验证队列
计划进行前列腺活检和MPMR的患者，PSA水平在4-10 ng/ml灰色区域中，将同意并参与该组。
|
MPMRI和CFDNA分析的数据将通过深度学习进行整合和处理。
该模型的输出将与前列腺活检的最终病理诊断进行比较，以评估其性能。
|
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
前列腺癌多模态模型预测前列腺活检病理结果（良性或恶性）的敏感性
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
|
前列腺癌多模式模型在预测前列腺活检病理结果（良性或恶性）中的特异性
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
|
前列腺癌多模态模型预测前列腺活检病理结果（良性或恶性）的 ROC 值
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
次要结果测量
结果测量 |
大体时间 |
|---|---|
|
前列腺癌多模态模型预测接受前列腺活检的男性格里森评分类别（≤6、7、≥8）病理结果的 ROC 值
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
|
前列腺癌多模式模型预测接受前列腺活检的男性格里森评分类别（≤6、7、≥8）病理结果的敏感性
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
|
前列腺癌多模态模型预测接受前列腺活检的男性格里森评分类别（≤6、7、≥8）病理结果的特异性
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
|
前列腺癌多模式模型在预测接受前列腺活检的男性中具有临床意义的前列腺癌 (csPCa) 中的 ROC 值
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
|
前列腺癌多模式模型在预测接受前列腺活检的男性中具有临床意义的前列腺癌 (csPCa) 的敏感性
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
|
前列腺癌多模式模型在预测接受前列腺活检的男性中具有临床意义的前列腺癌 (csPCa) 中的特异性
大体时间：完成研究和所有数据分析可能需要长达一年的时间。
|
完成研究和所有数据分析可能需要长达一年的时间。
|
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。
合作者
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10日
初级完成 (实际的)
2025年7月30日
研究完成 (实际的)
2025年7月30日
研究注册日期
首次提交
2024年9月6日
首先提交符合 QC 标准的
2024年9月6日
首次发布 (实际的)
2024年9月19日
研究记录更新
最后更新发布 (实际的)
2026年7月23日
上次提交的符合 QC 标准的更新
2026年7月22日
最后验证
2026年7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.