通过人工智能预测胰腺囊性病变的癌症
2025年4月30日 更新者：Centre Hospitalier Universitaire de Nice
深度学习胰腺囊性病变的恶性退化预测 - 高风险柱头
这项国际多中心回顾性研究旨在开发基于深度学习（DL）的预测模型，以鉴定胰腺囊性病变中的恶性转化，从而根据当前的临床指南改善。
该模型将整合临床，生化和多模式成像数据。
将使用先进的预处理，数据增强和混合融合技术培训几个3D卷积神经网络。
模型绩效将与现有国际准则的绩效进行比较。
该研究不涉及患者的其他程序，并遵守严格的数据匿名和隐私法规。
研究概览
研究类型
观察性的
注册 (估计的)
250
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：Andrea CHIERICI
- 电话号码：+33 0634799833
- 邮箱：chierici.ap@chu-nice.fr
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
概率样本
研究人群
在没有癌症术前证据的情况下，接受了胰腺囊性病变的胰腺手术的患者。
手术的指示必须基于有关胰腺囊性病变管理的一项或多种当前指南。
描述
纳入标准：
- 在其中一个参与者中心接受胰腺手术的PCL患者。 手术指示必须遵守基于临床，生化和放射学（MR和/或EUS）特征的至少一项有关PCLS管理的指南（6）。
- 胰腺手术B83在当前关于PCLS管理指南的囊肿风险变性的风险增加（6）。
- 胰腺手术中胰腺癌的临床，生化，放射学和解剖学证据的缺乏。
- 包括患者对匿名数据处理的不可侵犯。
排除标准：
- 在手术时出现胰腺癌证据的患者。
- PCL诊断和治疗在EUS和胰腺MR之间进行的诊断和治疗没有。在没有当前准则提出的标准的情况下进行的手术。
- 术前EUS和胰腺MR数据都无法获得。
- 术后PCL（S）解剖学分析结果不可用。
- SBO诊断没有CT扫描。
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 |
|---|---|
|
PCLS患者
胰腺切除手术对胰腺囊性病变进行了遵循胰腺囊性病变管理的当前指南，具有基于临床，生化和/或放射学特征的高风险变性风险。
|
胰腺切除手术对胰腺囊性病变进行了遵循胰腺囊性病变管理的当前指南，具有基于临床，生化和/或放射学特征的高风险变性风险。
|
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 |
|---|---|---|
|
预测胰腺病变的恶性变性
大体时间：患者出院90天。
|
使用基于临床，生化和放射学特征的人工智能模型，可以预测胰腺囊性病变中的恶性变性（定义为：高级发育不良，原位PADC或T1 PADC）。
这将通过接收器操作员特征曲线（AUROC）评估下的面积进行测量。
AUROC在0.5和1之间变化，分别对应于没有类别的分离能力和全班分离能力。
|
患者出院90天。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
绩效评估的准确性
大体时间：患者出院90天。
|
在所有预测中，真正的积极因素和真正的负面因素的数量。
它在0（无正确预测）之间变化为1（完全正确的预测）。
|
患者出院90天。
|
|
绩效评估的精度
大体时间：患者出院90天。
|
真正的积极因素的数量除以所有积极的预测（真正的阳性和误报）。
它在0（无正确预测）之间变化为1（完全正确的预测）。
|
患者出院90天。
|
|
召回绩效评估
大体时间：患者出院90天。
|
真正的阳性数量除以数据集中的实际积极实例（真实的阳性和假否定性）。
它在0（无正确预测）之间变化为1（完全正确的预测）。
|
患者出院90天。
|
|
平衡的精度
大体时间：患者出院90天。
|
敏感性和特异性的无神论平均值。
它在0（无正确预测）之间变化为1（完全正确的预测）。
|
患者出院90天。
|
|
F1得分
大体时间：患者出院90天。
|
它结合了精度和回忆。
它的范围为0-100％，较高的F1得分表示质量更好的分类器。
|
患者出院90天。
|
|
混淆矩阵
大体时间：患者出院90天。
|
真实阳性，误报，真正的负面因素和虚假负面的视觉表示。
它是通过桌子描绘的。
|
患者出院90天。
|
|
Log-loss
大体时间：患者出院90天。
|
它指示了预测概率与相应的实际/真实值的距离（如果进行二进制分类为0或1）。
预测概率与实际值差异越多，越高的是对数损坏值。
|
患者出院90天。
|
|
科恩的kappa
大体时间：患者出院90天。
|
用于衡量两个评估者之间一致性水平的度量标准，这可能是评估分类模型性能的有用工具。
它解释了这样一个事实，即评估者可能纯粹是偶然地就某些项目达成共识。
它在0（无正确预测）之间变化为1（完全正确的预测）。
|
患者出院90天。
|
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 (估计的)
2025年6月1日
初级完成 (估计的)
2026年6月1日
研究完成 (估计的)
2026年12月31日
研究注册日期
首次提交
2025年4月24日
首先提交符合 QC 标准的
2025年4月30日
首次发布 (实际的)
2025年5月2日
研究记录更新
最后更新发布 (实际的)
2025年5月2日
上次提交的符合 QC 标准的更新
2025年4月30日
最后验证
2025年4月1日
更多信息
与本研究相关的术语
其他研究编号
- 25Chirdig01
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
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.