ChiCTR2500099465尚未招募不适用
基于影像组学的特发性肺间质纤维化多模态预后预测模型构建验证及病理生理机制研究
1.转录组学和代谢组学关联分析鉴定小鼠炎症后肺纤维化发生和空间位置差异相关的核心基因和代谢物(甘肃省自然基金科技项目,编号：23JRRA1758)；2.多组学联合鉴定小鼠炎症后肺纤维化的关键通路和代谢物编码基因(兰州市科技局科研项目, 编号:2023-2-54)。1 个研究点 分布在 1 个国家开始时间: 2025年4月1日最近更新:
适应症
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
- 肺功能
研究概览
简要总结
本项目旨在利用计算机断层扫描(CT)的高维图像分析，即放射组学来优化影像组学预后预测模型并对模型进行验证，并结合多组学方法，深入探索特发性肺纤维化（IPF）的预后及病理生理学特征预测。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 队列研究
入排标准
- 性别
- All
入选标准
- •符合美国胸科学会(ATS)和欧洲呼吸学会(ERS)的 IPF 诊断标准，具备随访和影像数据、病理组织数据的可获取性，签署知情同意书的患者为研究对象。
排除标准
- •既往有严重肺部合并症（如肺癌、严重支气管扩张）、其他系统性疾病（如恶性肿瘤、重度心脏病等），无法配合或失访的随访者。
研究组 & 干预措施
大于中位生存时间组
小于中位生存时间组
结局指标
主要结局
肺功能
胸部 CT 指标
次要结局
- 纤维化相关蛋白的表达变化
- 纤维化过程中全身代谢物的动态变化
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于深度学习和影像组学的早期特发性肺纤维化诊断模型特发性肺纤维化ChiCTR2500096539上海市胸科医院临床研究专项基金
Unknown
不适用
基于机器学习构建 IPF（特发性肺纤维化）的临床预后模型与时序 CT 图像预测模型ChiCTR2400083089国家重点技术研发计划（No.2021YFC2500700）
上海交通大学医学院学生创新培养计划（No.1723Y034）
Unknown
不适用
基于深度学习影像组学构建结缔组织病相关间质性肺疾病急性加重风险及预后预测模型ChiCTR2500095131临床研究培育项目
Unknown
不适用
纤维化性间质性肺疾病数据库的建立及病情进展预测模型的研究ChiCTR1900023268军队课题
尚未招募
Unknown
基于 CT 影像组学和机器学习的术前肺功能预测模型的建立和验证肺癌ChiCTR2500110966