Идёт набор NCT06389019

Whole-slide Image and CT Radiomics Based Deep Learning System for Prognostication Prediction in Bladder Cancer

— Наблюдательное 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: Deep learning system for prognostication prediction in bladder cancer.
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 →

Обзор

Bladder cancer (BLCA), with its diverse histopathological features and varying patient outcomes, poses significant challenges in diagnosis and prognosis. Postoperative survival stratification based on radiomics feature and whole slide image feature may be useful for treatment decisions to improve prognosis. In this research, we aim to develop a deep learning-based prognostic-stratification system for automatic prediction of overall and cancer-specific survival in patients with BLCA.

Подробное описание

Bladder cancer can be difficult to diagnose and predict outcomes for, as the disease can vary greatly between patients. This research aims to develop a new system that uses artificial intelligence to analyze patient information, including images from surgery and scans. This system could then automatically predict a patient\'s overall survival and how likely they are to survive specifically from bladder cancer. This information could be used by doctors to make better treatment decisions for each patient.

Вмешательства

Другое Deep learning system for prognostication prediction in bladder cancer
develop and validate a deep learning system for prognostication prediction in bladder cancer based on CT radiomics and whole slide images.

Первичные конечные точки

Overall survival [Срок оценки: up to 10 years]

Вторичные конечные точки (1)

Recurrence free survival [Срок оценки: up to 10 years]

Критерии участия

Критерии включения

patients with bladder cancer who had surgery like radical cystectomy or transurethral resection of bladder tumour (TURBT)
contrast-CT scan less than two weeks before surgery
complete CT image data and clinical data
complete whole slide image data