ChiCTR2500103788进行中（未招募）不适用
基于临床特征与 CT 影像组学的人工智能算法预测小肾肿瘤的 Ki67 表达水平
自选课题（自筹）2 个研究点 分布在 1 个国家目标入组 251 人开始时间: 2024年10月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 进行中（未招募）
- 发起方
- 入组人数
- 251
- 试验地点
- 2
- 主要终点
- Ki67 表达量
研究概览
简要总结
回顾性收集小肾肿瘤患者的相关临床信息、术前 CT 影像及术后 Ki67 表达情况，基于影像组学技术提取小肾肿瘤术前 CT 的影像组学特征，联合临床特征，使用人工智能算法，构建预测模型以预测小肾肿瘤的 Ki67 表达水平。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 病例对照研究
- 盲法
- 无
入排标准
- 性别
- All
入选标准
- •1.a）肾肿瘤行肿物切除术或肾切除术，术后病理有 Ki67 表达水平； b）术前 30 天内行肾脏相关 CT 检查，且包含有动脉期； c）CT 上肾肿瘤的最大径≤4cm； d）具有完整的所需临床基线及检验数据，包括：性别、年龄、BMI、既往有无癌症、血中性粒细胞淋巴细胞比值、血肌酐、肿瘤分侧、肿瘤最大径。
排除标准
- •1.a）无肾肿瘤术后病理的 Ki67 表达水平或仅行穿刺； b）肾肿瘤病理诊断为肾尿路上皮癌； c）无术前 30 天内所行肾脏相关 CT 检查； d）术前肾脏相关 CT 上肾肿瘤的最大径＞4cm； e）术前肾脏相关 CT 无动脉期，或术前肾脏相关 CT 质量不佳，如有伪影或肿瘤模糊不清、难以识别等； f）无完整的所需临床危险因素。
研究组 & 干预措施
Ki67 低表达组
Ki67 高表达组
结局指标
主要结局
Ki67 表达量
时间窗: 术后病理结果回报时
次要结局
未报告次要终点
研究者
研究点 (2)
Loading locations...
相似试验
Unknown
不适用
基于人工智能肾脏肿瘤病理特征与预后精准预测模型的构建肾脏肿瘤ChiCTR1900025090福建省中青年教师教育科研项目
Unknown
不适用
MRI 在小肾肿瘤（≤4cm）上的应用ChiCTR2500106890国自然面上项目
招募中
Unknown
基于深度学习的影像组学联合病理组学构建肾占位性病变诊断和预后模型及其前瞻性验证肾肿物ChiCTR2100051935国家自然科学基金 819025632,350
尚未招募
Unknown
利用超声相关的人工智能或放射组学以实现肾脏良性及恶性肿瘤的诊断、鉴别诊断以及预后的研究ChiCTR2400084141
Unknown
不适用
基于 CT 的深度学习影像组学模型术前预测微创肾部分切除术三连胜结局ChiCTR2500096859“五个五”工程