ChiCTR2500097954尚未招募不适用
基于影像-病理-蛋白质组学与深度学习的消化道恶性肿瘤预后预测
自筹1 个研究点 分布在 1 个国家开始时间: 2025年3月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 术后总生存期
研究概览
简要总结
本研究拟开发一项基于影像学图像、数字病理图像和蛋白质组学数据的多模态深度学习模型，用于预测消化道恶性肿瘤患者的预后情况，以期为临床治疗方案的选择提供参考。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 连续入组
入排标准
- 年龄范围
- 18 至 100（—）
- 性别
- All
入选标准
- •①接受了外科手术治疗；
- •②术后病理确诊为胃癌、肠癌、肝癌或胰腺癌；
- •③术前三个月内完成高分辨率增强 CT 和 / 或 3.0T 增强 MRI 扫描；
- •④术后标本进行病理规范化取材和大组织病理切片制作。
排除标准
- •②临床资料不全或影像、病理图像质量不佳；
- •③接受过除手术外的其他抗癌治疗；
研究组 & 干预措施
训练组
验证组
结局指标
主要结局
术后总生存期
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于数字病理和深度学习的消化系统癌症生物标志物的研发ChiCTR2400085251黑龙江省自然科学基金资助
Unknown
不适用
构建影像组学及深度学习模型预测胃癌分子分型、肿瘤微环境与治疗效果的研究ChiCTR2500101639福建省科技创新联合资金项目 (NO. 2021Y9141)
Unknown
不适用
基于影像深度学习在结直肠癌病理及预后预测中的应用价值ChiCTR2500106546自筹
Unknown
不适用
曹英豪医师：该研究尚未获得伦理委员会批准。请于批准后再开始纳入参试者，并与我们联系上传批件。 基于多维信息模型对消化道肿瘤临床诊疗及机制研究消化道肿瘤ChiCTR1900028184自筹6,000
尚未招募
Unknown
基于病理图像及大尺度模型预测多重免疫荧光表达与直结肠癌临床预后效果的研究结直肠癌ChiCTR2500100445500