ChiCTR2300069854尚未招募回顾性研究
基于临床电子病历及医学影像数据的肺癌预后机器学习预测模型构建与验证研究
国家自然科学基金委员会(课题编号:82274370)5 个研究点 分布在 1 个国家开始时间: 2023年4月1日最近更新:
试验速览
- 阶段
- 回顾性研究
- 状态
- 尚未招募
- 发起方
- 试验地点
- 5
- 主要终点
- C-index
研究概览
简要总结
肺癌是全球年龄标准化发病率(Age Standardized Incidence Rate,ASIR)和年龄标准化死亡率(Age Standardized Mortality Rate,ASMR)最高的癌症,同时也是我国 30 年来发生率增长最快的恶性肿瘤,是我国肿瘤防治工作的重中之重。近年来,人工智能(Artificial Intelligence,AI)技术快速发展,正逐步在创新实践中提升医疗服务水平,改善医疗资源分布不均、医疗成本高、医生资源供需缺口大等问题。 本研究将通过回顾性、观察性研究方法,获取肺癌患者的包括医学影像资料、医疗记录的多模态医疗信息,以总生存期为主要预测目标,构建基于机器学习算法的 AI 肺癌诊疗系统,为基层提供肺癌的早期诊断、分级诊疗、治疗方案推荐等服务,以期优化医疗资源分配、提高医疗实践水平。
研究设计
- 研究类型
- 预后研究
- 主要目的
- 横断面
- 盲法
- 无
入排标准
- 性别
- All
入选标准
- •1.患者性别、年龄、肺癌临床分期、在院期间接受的治疗方式均无限制;
- •2.出院诊断的 ICD-10 编码应当包括以下任意一种:C34/D02/D38;
- •3.出院诊断的文本中包含“癌”或“恶性”字样。
排除标准
- •1.肿瘤原发部位为肺和支气管以外的呼吸道或器官;
- •2.呼吸道良性肿瘤患者。
研究组 & 干预措施
肺癌电子病历
肺癌 CT 影像
结局指标
主要结局
C-index
次要结局
- 均方误差
- ROC 曲线下面积
研究者
研究点 (5)
Loading locations...
相似试验
已完成
不适用
Machine Learning Prediction of Mortality After Prone Positioning in ARDSARDSNCT07445061Shanghai Zhongshan Hospital358
进行中(未招募)
不适用
Intelligent Support for Radiological Reporting of Lung NeoplasmsNCT07360145Azienda Ospedaliera SS. Antonio e Biagio e Cesare Arrigo di Alessandria329
Unknown
不适用
基于“数字肺”的慢性阻塞性肺疾病的定量影像诊疗评价体系研究慢性阻塞性肺疾病ChiCTR-OCH-14004904国家卫生和计划生育委员会公益性行业科研专项经费资助,项目编号:2014020133,000
已完成
不适用
Application of Artificial Intelligence and Iron Metabolism Markers in Predicting ICU Outcomes for Critically Ill Cancer PatientsCancerNCT07408661Tongji University1,137
招募中
不适用
A study to check the accuracy of a machine learning derived model that predicts the risk of a patient developing pulmonary complications ( lung ) after a surgery (Post Operative ) based on the certain characteristics of the patient.CTRI/2024/07/070709Dr. Aumkar Kishore Shah400
