ChiCTR2500096539
进行中（未招募）
回顾性研究
基于深度学习和影像组学的早期特发性肺纤维化诊断模型
上海市胸科医院临床研究专项基金12 个研究点 分布在 1 个国家开始时间: 2024年12月6日最近更新:
概览
- 阶段
- 回顾性研究
- 状态
- 进行中（未招募）
- 发起方
- 上海市胸科医院临床研究专项基金
- 试验地点
- 12
- 主要终点
- 准确性
概览
简要总结
本项目通过多中心研究，采用回顾性研究，通过收集来自本课题组的前期工作基础全国多中心 IPF 预后模型中的 IPF 患者的早期胸部 CT，进行肺部影像切割、特征区域识别，筛选、识别关键影像特征，建立 IPF 单模态诊断模型；收集经多学科讨论确诊早期 IPF 患者的临床资料（包括患者基本信息、临床生化指标、冷冻肺活检或者微创肺活检病理依据）以及胸部 CT 影像，进行肺部影像切割、特征区域识别，筛选、识别关键影像特征，建立早期 IPF 多模态诊断模型；以实现 IPF 的早诊早治。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 诊断试验诊断准确性
入排标准
- 年龄范围
- 18 至 100（—）
- 性别
- All
入选标准
- •1）组织病理提示 UIP 或可能 UIP，且排除其他已知病因，临床考虑为早期 IPF。
- •2）无组织病理，但是胸部 CT 呈现为 UIP 或可能 UIP，且排除其他已知病因，经多学科会诊为 IPF。
排除标准
- •1）有明确的暴露史或者诊断为自身免疫疾病。
- •2）CT 图像不清晰，严重影响评估。
结局指标
主要结局
准确性
特异度
灵敏度
次要结局
未报告次要终点
研究者
研究点 (12)
Loading locations...
相似试验
Unknown
不适用
基于机器学习构建 IPF（特发性肺纤维化）的临床预后模型与时序 CT 图像预测模型ChiCTR2400083089国家重点技术研发计划（No.2021YFC2500700）
上海交通大学医学院学生创新培养计划（No.1723Y034）
Unknown
不适用
基于深度学习影像组学构建结缔组织病相关间质性肺疾病急性加重风险及预后预测模型ChiCTR2500095131临床研究培育项目
Unknown
不适用
请于伦理委员会批准后才开始征募参试者，并与我们联系上传伦理批件 应用深度学习构建慢性阻塞性肺疾病异质性定量分析及表型分类的辅助诊断模型研究ChiCTR2000038474华东医院1,200
Unknown
不适用
基于影像组学预测早期肺腺癌脏层胸膜侵犯的模型建立ChiCTR2500105640浙江省医药卫生科技计划项目（2023RC252, 2024KY252）
Unknown
不适用
基于机器学习方法的 CT 影像组学特征分析对免疫缺陷患者肺部感染鉴别诊断的实验研究ChiCTR2000038557科研经费