ChiCTR2100044576进行中（未招募）回顾性研究
肺磨玻璃结节的人工智能辅助诊断和临床决策系统研发
北京市“首都卫生发展科研专项”4 个研究点 分布在 1 个国家开始时间: 2020年7月1日最近更新:
适应症
试验速览
- 阶段
- 回顾性研究
- 状态
- 进行中（未招募）
- 发起方
- 试验地点
- 4
- 主要终点
- 肺磨玻璃结节良恶性预测模型的 AUC 值
研究概览
简要总结
本项目拟将临床大数据、影像组学数据、生物组学数据结合起来分析，也就是将肺磨玻璃结节的表型信息（临床特征、影像组学特征）和基因型信息（生物组学特征）进行融合分析用于肺磨玻璃结节的诊断，利用人工智能深度学习算法在挖掘多维度数据特征间关系的优势建立肺磨玻璃结节良恶性预测模型，并基于该模型建立肺磨玻璃结节人工智能辅助诊断和临床决策系统。其最终目的与意义是：提高肺结节的临床诊断与处理水平，改善肺癌早期诊断技术，减轻过度医疗给患者带来的精神、经济压力，及社会经济负担。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 连续入组
- 盲法
- 未说明
入排标准
- 年龄范围
- 18 至 80（—）
- 性别
- All
入选标准
- •1）患者或其法定代表人签属的知情同意书；
- •2）年龄≥18 岁且≤80 岁；
- •3）临床发现肺磨玻璃结节；
- •4）拟行微创活检（呼吸内镜活检或 CT 引导肺穿刺活检）或外科手术的患者。
排除标准
- •1）未能获得病理诊断的患者；
- •2）未能获得外周血样本或层厚≤1mm 的肺 CT 影像数据；
- •4）患者拒绝参加研究；
结局指标
主要结局
肺磨玻璃结节良恶性预测模型的 AUC 值
次要结局
- 肺磨玻璃结节良恶性预测模型的灵敏度
- 肺磨玻璃结节良恶性预测模型的特异度
- 肺磨玻璃结节良恶性预测模型的阳性预测值
- 肺磨玻璃结节良恶性预测模型的阴性预测值
研究者
研究点 (4)
Loading locations...
相似试验
Unknown
不适用
人工智能分析模型对肺磨玻璃结节的分类鉴别及病理分期价值研究肺磨玻璃结节ChiCTR18000197922018 年度上海市肺科医院临床研究项目资助
Unknown
不适用
基于多组学特征构建应用于肺部磨玻璃结节性质判定的深度学习模型：一项前瞻性、单中心临床研究ChiCTR2100044999科研经费
Unknown
不适用
常见肿瘤及重大传染病多模态信息融合智慧病理诊断和疗效预测技术体系研发ChiCTR2100047860中央财政专项资金1,500
Unknown
不适用
一项基于 CT 医学影像的人工智能肺结节自动识别软件开发肺结节ChiCTR2200061984珠海横琴圣澳云智科技有限公司
招募中
Unknown
基于影像组学与人工智能对肺结节鉴别诊断的相关研究肺癌ChiCTR2100043351