多模态融合模型与深度学习预测NK/T细胞淋巴瘤治疗反应
2026年4月26日 更新者：Qingqing Cai、Sun Yat-sen University
多模态融合模型与深度学习在NK/T细胞淋巴瘤治疗反应预测中的应用
这是一项多中心前瞻性研究，旨在开发和验证一种基于多模态深度学习的模型，用于预测接受一线门冬酰胺酶类药物治疗的结外自然杀伤/T细胞淋巴瘤（NKTCL）患者的治疗反应。
研究概览
地位
尚未招聘
条件
研究类型
观察性的
注册 (估计的)
100
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：Qingqing Cai, MD. PhD.
- 电话号码：0208734282
- 邮箱：caiqq@sysucc.org.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
研究人群包括经病理确诊的结外自然杀伤/T细胞淋巴瘤（NKTCL）成年患者，这些患者正在接受基于门冬酰胺酶的一线化疗或放化疗，并拥有可用的治疗前磁共振成像或苏木精-伊红染色全切片病理图像。
将对患者进行前瞻性随访，以评估治疗反应和生存结局。
描述
纳入标准：
- 1. 年龄≥18岁。
- 2. 根据世界卫生组织（WHO）分类，经病理学确诊为结外自然杀伤/T细胞淋巴瘤（NKTCL）。
- 3. 计划接受一线含门冬酰胺酶的化疗或放化疗的患者。
- 4. 患者具备常规临床护理中获得的鼻咽部增强磁共振成像，或可用于分析的肿瘤组织苏木精-伊红（H&E）染色切片的预处理全切片图像（WSI）。
- 5. 能够理解研究内容并提供书面知情同意书（ICF）。
排除标准：
- 1. 有其他恶性肿瘤病史。
- 2. 患有精神疾病或无法提供知情同意的患者。
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 |
|---|
|
基于天冬酰胺酶的一线治疗队列
该队列的参与者为计划根据机构实践接受标准一线门冬酰胺酶化疗的结外自然杀伤/T细胞淋巴瘤（NKTCL）患者。
将收集治疗前的临床数据、鼻咽和颈部的对比增强磁共振成像（MRI）以及苏木精-伊红（H&E）染色肿瘤切片的数字病理图像。
将根据常规随访计划对患者进行无进展生存期和总生存期的随访。
|
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 |
|---|---|---|
|
根据Lugano 2014标准评估一线治疗反应（完全缓解 vs 非完全缓解）的预测准确性
大体时间：从基线到疾病反应及随访评估，最长可达3年。
|
主要结局是评估多模态深度学习模型对结外自然杀伤/T细胞淋巴瘤（NKTCL）患者一线治疗反应的预测性能。
治疗反应根据卢加诺2014标准进行评估。
模型性能将通过受试者工作特征（ROC）分析进行评估，并通过比较模型预测与观察到的临床反应，使用曲线下面积（AUC）、准确度、灵敏度、特异性、阳性预测值和阴性预测值进行量化。
|
从基线到疾病反应及随访评估，最长可达3年。
|
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8月15日
初级完成 (估计的)
2027年12月31日
研究完成 (估计的)
2027年12月31日
研究注册日期
首次提交
2026年2月6日
首先提交符合 QC 标准的
2026年2月6日
首次发布 (实际的)
2026年2月13日
研究记录更新
最后更新发布 (实际的)
2026年4月28日
上次提交的符合 QC 标准的更新
2026年4月26日
最后验证
2026年4月1日
更多信息
与本研究相关的术语
其他研究编号
- B2025-444
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.