甲状腺癌淋巴结转移的多模态深度学习
2025年12月22日 更新者：Yu Feng、West China Hospital
一项基于彩色多普勒超声的多模态深度学习模型预测甲状腺乳头状癌淋巴结转移与癌症分期的多中心研究
乳头状甲状腺癌（PTC）是临床实践中最常见的内分泌恶性肿瘤，约占所有甲状腺恶性肿瘤的85%。
颈部淋巴结转移的发生进一步增加了局部肿瘤复发和远处转移的风险，从而降低了患者的生存率。
病理学检查显示，约30-80%的PTC患者存在淋巴结转移。
早期发现转移淋巴结并制定个体化治疗方案对于改善患者预后至关重要。
目前，诊断淋巴结转移的主要方法是超声引导下细针穿刺活检，但其准确性受样本质量限制，且存在假阴性结果的风险。
近年来，深度学习技术在医学图像分析领域展现出巨大潜力。
因此，研究者旨在开发基于颈部超声的深度学习模型，以更准确地预测淋巴结转移。
研究概览
研究类型
观察性的
注册 (估计的)
3200
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：Jianyong Lei
- 电话号码：+86 19983137992
- 邮箱：leijianyong@scu.edu.cn
研究联系人备份
- 姓名：Yu Feng
- 邮箱：1350502131@qq.com
学习地点
-
-
Sichuan
-
Chengdu、Sichuan、中国、610041
- West China Hospital of Sichuan University
-
接触：
- Yu Feng
- 电话号码：+86 15183042703
- 邮箱：1350502131@qq.com
-
接触：
- Jianyong Lei
- 电话号码：+86 19983137992
- 邮箱：leijianyong@scu.edu.cn
-
-
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
回顾性收集并分析了2020年10月至2025年10月期间在四川大学华西医院及其附属分院接受甲状腺切除术患者的临床数据。
描述
纳入标准：
年龄在18-80岁之间，接受甲状腺超声检查及甲状腺术后病理检查的病例。
首次诊断为甲状腺乳头状癌的病例。接受淋巴结清扫术的病例
排除标准：
年龄＜18岁或＞80岁的病例。超声图像质量不佳的病例。结节显示不完全的病例。图像显示多个明显病灶的病例。属于特殊人群的病例。合并其他肿瘤的病例。有甲状腺癌切除史的病例
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 |
|---|---|
|
乳头状甲状腺癌组
|
这是一项回顾性观察性研究，参与者将不会接受任何干预措施，仅对参与者进行数据收集和分析。
|
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 |
|---|---|---|
|
基于宫颈超声的多模态深度学习模型预测淋巴结转移的受试者工作特征曲线下面积
大体时间：受试者入组完成后2个月内
|
研究人员将采用一种多模态深度学习模型，该模型整合了术前宫颈彩色多普勒超声图像与相应的结构化文本报告。
该模型的最终输出是每位患者淋巴结转移的预测概率（介于0和1之间的连续值）。
此预测概率将与术后组织病理学诊断结果（金标准）进行比较。
将为该模型绘制受试者工作特征曲线，并计算其曲线下面积。这是评估二元分类模型（转移与非转移）判别能力的金标准指标。
AUC值越高，表明模型的整体判别能力越强。
|
受试者入组完成后2个月内
|
|
基于宫颈超声的多模态深度学习模型预测淋巴结转移的敏感性
大体时间：受试者入组完成后的2个月内。
|
该指标旨在评估构建的多模态深度学习模型在最佳诊断阈值下，正确识别真正存在颈部淋巴结转移的甲状腺乳头状癌患者的能力。
研究人员需要收集通过术后病理确诊为淋巴结转移的患者数量，以及模型预测为“阳性”（即预测存在转移）的患者数量，以计算基于颈部超声的多模态深度学习模型预测淋巴结转移的敏感性。
计算公式：敏感性 = 真阳性患者数量 / 术后病理确认的阳性患者总数。
|
受试者入组完成后的2个月内。
|
|
基于宫颈超声的多模态深度学习模型预测淋巴结转移的特异性
大体时间：在受试者入组完成后的2个月内。
|
该指标旨在评估构建的多模态深度学习模型在最佳诊断阈值下，正确排除未发生颈部淋巴结转移的甲状腺乳头状癌患者的能力。
研究人员需要收集经术后病理诊断无淋巴结转移的患者数量，以及模型预测为“阴性”（即预测无转移）的患者数量，以计算基于颈部超声的多模态深度学习模型预测淋巴结转移的特异性。
计算公式：特异性 = 真阴性患者数量 / 术后病理确诊的阴性患者总数。
|
在受试者入组完成后的2个月内。
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
研究队列中经病理学证实的淋巴结转移率
大体时间：在受试者入组完成后的2个月内
|
它指的是在相应研究人群总数中，通过术后病理检查确认至少有一个转移淋巴结的患者所占的百分比。
研究人员需要收集通过术后病理检查诊断为淋巴结转移的患者数量。
|
在受试者入组完成后的2个月内
|
|
与病理学证实淋巴结转移相关的临床因素的校正比值比
大体时间：受试者入组完成后的2个月内
|
研究人员需要收集结局变量（即术后病理证实的淋巴结转移状态）及其暴露变量（例如甲状腺内原发肿瘤的具体位置、最大肿瘤直径、患者年龄等）。
利用这些变量，计算调整后的比值比，以反映在调整其他混杂因素后，具有特定暴露特征（例如位于上极的肿瘤）的患者相比参照组（例如位于下极的肿瘤）的患者，发生淋巴结转移的可能性高出多少倍。
|
受试者入组完成后的2个月内
|
|
模型预测的pTNM分期与病理分期之间一致性的加权Kappa系数
大体时间：受试者入组完成后2个月内
|
研究人员需要收集并记录模型预测的pTNM分期和患者的真实pTNM分期，以评估模型预测的完整pTNM分期与病理分期之间的一致性。
|
受试者入组完成后2个月内
|
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)
2026年1月1日
初级完成 (估计的)
2026年3月1日
研究完成 (估计的)
2026年5月1日
研究注册日期
首次提交
2025年12月9日
首先提交符合 QC 标准的
2025年12月22日
首次发布 (实际的)
2025年12月23日
研究记录更新
最后更新发布 (实际的)
2025年12月23日
上次提交的符合 QC 标准的更新
2025年12月22日
最后验证
2025年12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.