Deep Learning Radiomics Model for Predicting Post-cystectomy Outcome in Muscle Invasive Bladder Cancer
Ориентир для пациента и семьи
Простыми словами
Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.
- Что изучают
- В протоколе указаны: develop and validate a deep learning radiomics model based on preoperative enhanced CT image.
- Кому может быть актуально
- Состояния в реестре: Bladder Cancer. Базовые параметры: Без ограничений · Все.
- Что важно проверить
- Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
- Где проводится
- Китай
- Следующий шаг
- Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →
Не всё понятно в терминах? Прочитайте наш гид для пациентов →
Официальное название
Deep Learning Radiomics Model for Predicting Post-cystectomy Outcome From Preoperative CT in Muscle Invasive Bladder Cancer
Обзор
Muscle invasive bladder cancer (MIBC) has a poor prognosis even after radical cystectomy. Postoperative survival stratification based on radiomics and deep learning may be useful for treatment decisions to improve prognosis. This study was aimed to develop and validate a deep learning radiomics model based on preoperative enhanced CT to predict postoperative survival in MIBC.
Вмешательства
- Другое develop and validate a deep learning radiomics model based on preoperative enhanced CT image
develop and validate a deep learning radiomics model based on preoperative enhanced CT to predict postoperative survival in MIBC
Первичные конечные точки
- Overall survival（OS） [Срок оценки: up to 10 years]
- Recurrence free survival（RFS) [Срок оценки: up to 10 years]
Критерии участия
Критерии включения
- patients with pathologically confirmed MIBC after radical cystectomy;
- contrast-CT scan less than two weeks before surgery;
- complete CT image data and clinical data.
Критерии исключения
- patients who received neoadjuvant therapy;
- non-urothelial carcinoma;
- poor quality of CT images;
- incomplete clinical and follow-up data.
Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.
Здоровые добровольцы: Нет
Дизайн исследования
- Модель наблюдения
- Когортное
Центры проведения
Китай · 1 центр
- Department of Urology, The First Affiliated Hospital of Chongqing Medical University — Чунцин
Публикации
- Wei Z, Xv Y, Liu H, Li Y, Yin S, Xie Y, Chen Y, Lv F, Jiang Q, Li F, Xiao M. A CT-based deep learning model predicts overall survival in patients with muscle invasive bladder cancer after radical cystectomy: a multicenter retrospective cohort study. Int J Surg. 2024 May 1;110(5):2922-2932. doi: 10.1097/JS9.0000000000001194. PMID 38349205
Идентификаторы
NCT: NCT06092450 · AI-BLCA · 2022-K508