免费获得国外相关药品，最快 1 个工作日回馈药物信息
出境医 / 临床实验 / 基于组织病理学图像的基于人工智能的分子病理学的预测
基于组织病理学图像的基于人工智能的分子病理学的预测
研究描述
简要摘要：
该注册中心旨在收集临床，分子和放射学数据，包括详细的临床参数，分子病理学（1p/19q co脱落，MGMT甲基化，IDH和TERTP突变等）以及原发性神经胶质瘤中HE切片的图像。通过利用人工智能，该注册表将寻求构建和完善基于组织病理学图像的算法，这些算法能够预测神经胶质瘤的分子病理学或亚组。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 神经胶质瘤 | 诊断测试：基于组织病理学图像的分子病理预测 |
详细说明：
分子生物标志物（例如1p/19q共脱落，MGMT甲基化，IDH和TERTP突变）的非侵入性和精确预测是具有挑战性的。随着人工智能的发展，可以挖掘原代神经胶质瘤中HE切片的组织病理学图像，以帮助预测神经胶质瘤的分子病理学。创建具有详细分子病理学，组织病理学图像数据和足够样本量的初级神经胶质瘤注册表的创建（> 1000）为具有非侵入性和精度的分子病理的个性化预测提供了相当大的机会。
学习规划
| 研究类型 ： | 观察性[患者注册表] |
| 估计入学人数 ： | 3000名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 其他 |
| 目标随访时间： | 120个月 |
| 官方标题： | 基于组织病理学图像的基于深度学习或机器学习的神经胶质瘤分子病理学的预测 |
| 实际学习开始日期 ： | 2017年1月1日 |
| 估计的初级完成日期 ： | 2027年1月1日 |
| 估计 学习完成日期 ： | 2027年6月1日 |
武器和干预措施
结果措施
主要结果指标 ：
- 预测性能的AUC [时间范围：最多10年]auc =灵敏度+特异性1
生物测量保留率：DNA样品
所有参与者都签署了知情同意。肿瘤切除后立即收集新鲜的冷冻组织，并保存在液氮中。计划进行整个外显子组测序，RNA测序和蛋白质组学。
资格标准
联系人和位置
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2019年12月30日 | ||||
| 第一个发布日期 | 2020年1月3日 | ||||
| 上次更新发布日期 | 2021年2月8日 | ||||
| 实际学习开始日期 | 2017年1月1日 | ||||
| 估计的初级完成日期 | 2027年1月1日（主要结果度量的最终数据收集日期） | ||||
| 当前的主要结果指标 | 预测性能的AUC [时间范围：最多10年] auc =灵敏度+特异性1 | ||||
| 原始主要结果指标 | 与电流相同 | ||||
| 改变历史 | |||||
| 当前的次要结果指标 | 不提供 | ||||
| 原始的次要结果指标 | 不提供 | ||||
| 当前其他预先指定的结果指标 | 不提供 | ||||
| 原始其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 基于组织病理学图像的基于人工智能的分子病理学的预测 | ||||
| 官方头衔 | 基于组织病理学图像的基于深度学习或机器学习的神经胶质瘤分子病理学的预测 | ||||
| 简要摘要 | 该注册中心旨在收集临床，分子和放射学数据，包括详细的临床参数，分子病理学（1p/19q co脱落，MGMT甲基化，IDH和TERTP突变等）以及原发性神经胶质瘤中HE切片的图像。通过利用人工智能，该注册表将寻求构建和完善基于组织病理学图像的算法，这些算法能够预测神经胶质瘤的分子病理学或亚组。 | ||||
| 详细说明 | 分子生物标志物（例如1p/19q共脱落，MGMT甲基化，IDH和TERTP突变）的非侵入性和精确预测是具有挑战性的。随着人工智能的发展，可以挖掘原代神经胶质瘤中HE切片的组织病理学图像，以帮助预测神经胶质瘤的分子病理学。创建具有详细分子病理学，组织病理学图像数据和足够样本量的初级神经胶质瘤注册表的创建（> 1000）为具有非侵入性和精度的分子病理的个性化预测提供了相当大的机会。 | ||||
| 研究类型 | 观察性[患者注册表] | ||||
| 学习规划 | 观察模型：队列 时间观点：其他 | ||||
| 目标随访时间 | 120个月 | ||||
| 生物测量 | 保留：DNA样品 描述： 所有参与者都签署了知情同意。肿瘤切除后立即收集新鲜的冷冻组织，并保存在液氮中。计划进行整个外显子组测序，RNA测序和蛋白质组学。 | ||||
| 采样方法 | 概率样本 | ||||
| 研究人群 | 接受肿瘤切除的新诊断出神经胶质瘤的患者 | ||||
| 健康）状况 | 神经胶质瘤 | ||||
| 干涉 | 诊断测试：基于组织病理学图像的分子病理预测 通过利用AI，基于组织病理学图像的1P/19Q共脱骨，MGMT甲基化，IDH和TERTP突变或分子亚组的预测 | ||||
| 研究组/队列 | 不提供 | ||||
| 出版物 * | 不提供 | ||||
*包括由数据提供商提供的出版物以及Medline中临床标识符（NCT编号）的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 招募 | ||||
| 估计入学人数 | 3000 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2027年6月1日 | ||||
| 估计的初级完成日期 | 2027年1月1日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准：
排除标准：
| ||||
| 性别/性别 |
| ||||
| 年龄 | 1年至95岁（儿童，成人，老年人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 |
| ||||
| 列出的位置国家 | 中国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04217044 | ||||
| 其他研究ID编号 | Gliomaai-3 | ||||
| 有数据监测委员会 | 不 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 |
| ||||
| 责任方 | Zhenyu Zhang，郑州大学第一家附属医院 | ||||
| 研究赞助商 | 郑州大学第一家附属医院 | ||||
| 合作者 | 太阳YAT-SEN大学 | ||||
| 调查人员 | 不提供 | ||||
| PRS帐户 | 郑州大学第一家附属医院 | ||||
| 验证日期 | 2021年2月 | ||||
