适应症
试验速览
- 阶段
- Unknown
- 状态
- 招募中
- 试验地点
- 1
- 主要终点
- 基于图卷积神经网络的肺癌病理高危因素预测模型诊断效能（ROC 曲线下 AUC 值）
研究概览
简要总结
本项目通过前瞻性纳入肺腺癌患者的影像学资料和病理结果，构建一图卷积神经网络模型用于识别肺腺癌高危因素，为胸外科医生术前手术规划提供新的参考依据。
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.首次登记纳入标准：
- •（1）胸部计算机断层扫描（CT）满足以下所有条件：
- •1）高分辨薄层 CT 或增强 CT；
- •2）CT 扫描层厚小于 1.5mm；
- •3）影像学考虑为肺腺癌（LUAD）；
- •（2）肿瘤特征同时满足以下条件：
- •1）最大肿瘤直径≤3cm；
- •（3）患者年龄大于 18 岁；
- •（4）ECOG 分级为 0 或 1；
- •（5）签署书面知情同意书。
- •2.二次登记的纳入标准：
- •1）各器官功能可耐受手术；
- •2）术前体温≤38℃；
- •1）术中冰冻回报为经组织学证实的浸润性肺腺癌；
排除标准
- •如果患者符合以下任一标准，则术前将其排除：
- •1.术前影像学考虑有淋巴结转移者；
- •2.活动性细菌或真菌感染；
- •3.既往有其他恶性肿瘤病史（除外已临床治愈的恶性肿瘤，如：甲状腺乳头状癌、乳腺癌、肾透明细胞癌等）；
- •4.怀孕或哺乳期的妇女；
- •5.患者术前行辅助放化疗或新辅助治疗；
结局指标
主要结局
基于图卷积神经网络的肺癌病理高危因素预测模型诊断效能（ROC 曲线下 AUC 值）
特异度
准确性
次要结局
- 基于图卷积神经网络的肺癌病理高危因素预测模型和术中冰冻病理人工判读结果的准确率比较
- 敏感度
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
人工智能模型评估早期肺癌预后的应用研究肺癌ChiCTR2200059642科研经费
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肺腺癌ChiCTR2500105640浙江省医药卫生科技计划项目（2023RC252, 2024KY252）
Unknown
不适用
医学影像人工智能技术与术中冰冻病理联合诊断肺腺癌的病理学分型的价值研究肺癌ChiCTR20000320542020 年度上海市肺科医院临床研究基金
Unknown
不适用
该试验尚未获伦理委员会批准，请于批准后才开始征募参试者，并与我们联系上传伦理批件。 人工智能辅助系统在早期肺癌术前综合评估中的应用研究肺癌ChiCTR2000035689科研经费
Unknown
不适用
詹艺医师：该试验尚未获伦理委员会批准，请于批准后才开始征募参试者，并与我们联系上传伦理批件; 请完善诊断措施填写（对照人群？如有）。 肺腺癌 CT-AI 精准诊断和辅助临床决策的前瞻性多中心临床研究肺癌ChiCTR2000036248上海申康医院发展中心