ChiCTR2400083568尚未招募Unknown
基于机器学习的病理组学特征可作为食管鳞状细胞癌患者的新型预后标记:一项多中心队列研究
适应症
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 试验地点
- 2
- 主要终点
- 生存状态
研究概览
简要总结
本研究旨在探索基于机器学习方法的病理组学特征,评估这些特征作为食管鳞状细胞癌患者预后的新型生物标记的潜力。通过使用多中心的回顾性队列数据,我们计划建立和验证一个预测模型,该模型基于从病理切片中提取的组织学特征来预测食管癌患者的生存结果。具体目的包括: 1.特征提取:应用机器学习技术从食管鳞状细胞癌的病理切片中提取高维组织学特征。 2.模型建立与验证:构建基于提取特征的预后预测模型,并在不同中心的独立数据集上进行验证,以测试其泛化能力和准确性。 3.临床应用探索:分析所提取的病理组学特征与患者的临床路径和生存数据之间的关联,探讨其作为临床预后评估工具的可行性和有效性。
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 18 至 80(—)
- 性别
- All
入选标准
- •1.确诊病例:病理学确认的食管鳞状细胞癌(ESCC)患者。
- •2.治疗信息完整:有完整记录的治疗历史,包括手术、放疗、化疗或其他综合治疗方案。
- •3.可用的病理样本:有可用于机器学习分析的高质量病理切片,包括但不限于石蜡嵌块和冰冻切片。
- •4.随访数据:有可靠的随访数据,最低随访时间为 1 年,包括生存状态、复发信息及生存时间等。
- •5.年龄范围:年龄在 18 岁以上。
排除标准
- •1.其他癌症历史:存在其他类型癌症的活跃病例或治疗历史。
- •2.数据不全:缺乏完整的治疗或随访数据。
- •3.样本质量不佳:病理样本因固定、处理不当或保存时间过长导致质量不佳,无法进行有效的机器学习分析。
- •4.严重合并症:有影响预后评估的严重合并症,如未控制的心脏病、肝功能衰竭等。
- •5.年龄限制:未满 18 岁的患者。
研究组 & 干预措施
训练队列
外部验证队列
内部验证队列
结局指标
主要结局
生存状态
总体生存期
次要结局
- 复发状态
- 无复发生存期
研究者
研究点 (2)
Loading locations...
相似试验
招募中
Unknown
基于影像组学的机器学习模型预测新辅助免疫联合手术治疗的食管鳞癌患者预后食管癌ChiCTR2300068082
Unknown
不适用
基于人群的食管鳞癌生物组学标记物筛选和风险预测模型研究ChiCTR1900023091国家自然科学基金委
尚未招募
Unknown
基于 CT 和临床信息的多模态特征融合深度学习模型评估外科手术为主的食管癌综合治疗预后的多中心、双向队列临床研究食管癌ChiCTR2500100063
Unknown
不适用
食管癌多组学研究食管癌ChiCTR1900026389国家科技部重大科研项目 SQ2018YFC090075300
Unknown
不适用
基于人工智能的早期食管鳞癌筛查和临床辅助诊断体系构建及关键技术研究ChiCTR1900028524江苏省重点研发计划(BE2019710),江苏省重点研发计划(BE2018620)
