基于多模态人工智能的食管癌治疗反应预测与风险分层 (ECO)
2026年3月6日 更新者:Shu Peng
基于多模态AI的食管癌治疗反应预测与风险分层
我们基于可用数据模态(包括影像组学、病理组学、基因组学及多组学方法)的人工智能预测模型,每种模态都能提供对肿瘤特征的不同见解,从而能够预测治疗反应和预后。
研究概览
地位
招聘中
条件
详细说明
我们的AI预测模型基于可用的数据模态,包括影像组学、病理组学、基因组学以及多组学方法,每种方法都能提供对肿瘤特性的独特见解,从而可以预测治疗反应和预后。
研究类型
观察性的
注册 (估计的)
1500
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:Shu Peng, doctor
- 电话号码:+8618571716422
- 邮箱:drpeng90@hotmail.com
学习地点
-
-
Other (Non U.s.)
-
Wuhan、Other (Non U.s.)、中国、430030
- 招聘中
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
接触:
- Shu Peng, doctor
- 电话号码:+8618571716422
- 邮箱:drpeng90@hotmail.com
-
接触:
-
首席研究员:
- Shu Peng, Doctor
-
-
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
在同济医院接受过治疗的食管癌确诊患者
描述
入选标准:
- (1) 经组织病理学诊断为食管癌的患者;(2) 具有完整的基线临床资料(包括人口学特征、ECOG评分、TNM分期等);(3) 无其他原发性恶性肿瘤;(4) 提供知情同意;(5) 治疗前拥有CT图像
排除标准:
- ① 影像学数据质量不符合分析要求;(2) 患有其他原发性恶性肿瘤;(3) 患有严重全身性疾病
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 |
|---|
|
新辅助治疗队列
接受了新辅助治疗和食管切除术
|
|
保守治疗
保守治疗包括化疗/免疫治疗/放射治疗和靶向治疗
|
|
内镜黏膜下剥离术 (ESD)
内镜下黏膜剥离术(ESD)
|
|
手术切除队列
既未接受新辅助治疗也未在手术前接受抗肿瘤治疗
|
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 |
|---|---|---|
|
总生存期
大体时间:从入组到3年治疗结束
|
3年总生存率
|
从入组到3年治疗结束
|
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。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
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)
2025年7月26日
初级完成 (估计的)
2030年9月30日
研究完成 (估计的)
2030年9月30日
研究注册日期
首次提交
2026年1月12日
首先提交符合 QC 标准的
2026年1月12日
首次发布 (实际的)
2026年1月21日
研究记录更新
最后更新发布 (实际的)
2026年3月10日
上次提交的符合 QC 标准的更新
2026年3月6日
最后验证
2026年2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.