基于CT的深度学习模型可以预测部分肾切除术的并发症
2025年3月12日 更新者：Du Lingzhi
基于CT的深度学习模型在术前预测并发症和风险等级的部分肾切除术中优于传统的解剖分类模型
研究人员结合了放射素学和深度学习，以更彻底地分析病变，以更准确地预测部分肾切除术中并发症，并将这种方法与传统模型进行比较。
研究概览
地位
完全的
条件
详细说明
在这项研究中，包括在多个中心进行部分肾切除术的肾细胞癌或肾囊肿的患者。
如果参与者有（a）缺少或不可用的成像数据或（b）没有可用的增强的CT图像，则将被排除在外。
将队列分为7：3的训练和测试组。
之后，从图像中提取了放射线特征，并使用拉索回归来选择特征。
然后开发了一个深度学习模型，以预测并发症和风险等级，并与传统的分类模型（肾脏和帕多瓦）进行比较，从而表明了卓越的适用性。
研究类型
观察性的
注册 (实际的)
1474
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
-
-
Xuhui District
-
Shanghai、Xuhui District、中国、200032
- Name: Zhongshan Hospital Fudan University, Location: 180th Fenglin Road, Xuhui District, Shanghai, China
-
-
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
该研究人群包括诊断出患有肾细胞癌或肾囊肿的患者，他们在参与中心进行了部分肾切除术。 从病历中回顾性收集临床和成像数据，包括人口统计学特征（年龄，性别，BMI），肿瘤位置（左肾脏或右肾脏），手术细节（手术方法，缺血时间）和围手术期并发症。
根据完整的临床，外科和成像数据的可用性，包括患者。 排除标准包括具有缺失或不可用的成像数据的个体，或者没有可用的增强CT图像。 该研究旨在结合基于CT的放射素学特征和临床特征，以开发一种深度学习模型，以预测部分肾切除术的围手术期并发症，并与传统的解剖学分类模型进行比较。
描述
纳入标准：
- 肾细胞癌或肾囊肿的临床诊断
- 在2014年6月至2024年7月之间进行了部分肾切除术
排除标准：
- 缺少或不可用的成像数据
- 没有可用的增强的CT图像
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 |
|---|
|
并发症1
在部分肾切除术期间经历了围手术期并发症的患者
|
|
并发症0
在部分肾切除术期间没有经历围手术期并发症的患者
|
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 |
|---|---|---|
|
是否发生并发症
大体时间：围手术期
|
回顾性审查病历系统，以确定患者是否患有术后并发症。
|
围手术期
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
患者的风险等级
大体时间：围手术期
|
基于被广泛认可的Clavien-Dindo分类（CDC）系统的手术并发症系统，这些并发症分为四个级别：I级，II，III和IV级。
风险等级是相应分配的：“无风险”被定义为没有并发症，“等级低”被定义为最高的并发症水平为I级，“级中等”定义为最高的并发症（并发症为II级），“级高”定义为III级或更高级的并发症，或更高级别，是生命的。
|
围手术期
|
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6月1日
初级完成 (实际的)
2024年12月31日
研究完成 (实际的)
2025年2月28日
研究注册日期
首次提交
2025年3月8日
首先提交符合 QC 标准的
2025年3月12日
首次发布 (实际的)
2025年3月25日
研究记录更新
最后更新发布 (实际的)
2025年3月25日
上次提交的符合 QC 标准的更新
2025年3月12日
最后验证
2025年3月1日
更多信息
与本研究相关的术语
其他相关的 MeSH 术语
其他研究编号
- zsurologyDLMforPNcomplication
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
是的
IPD 计划说明
临床数据和提取的放射线学特征数据，不包括患者信息。
IPD 共享时间框架
该期刊发表后的六个月内。
IPD 共享访问标准
支持本研究的数据可从已注册机构获得，但由于隐私原因，限制适用于其可用性。
可以根据相应作者的合理请求访问数据。
IPD 共享支持信息类型
- 研究方案
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
在美国制造并从美国出口的产品
不
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.