Меню
Идёт набор NCT07166445

Deep Learning for Automated Discrimination Between Stage T1-T2 and T3 Renal Cell Carcinoma on Contrast-Enhanced CT

Наблюдательное Carcinoma, Renal Cell Diagnostic Imaging Pathology Deep Learning

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: None intervention.
Кому может быть актуально
Состояния в реестре: Carcinoma, Renal Cell, Diagnostic Imaging, Pathology, Deep Learning. Базовые параметры: 18 лет — 85 лет · 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 →

Обзор

This study aims to develop and validate a contrast-enhanced CT-based deep-learning model for automatic and accurate preoperative discrimination between T1-T2 and T3 renal cell carcinoma. By quantifying the model's diagnostic performance on an independent test set-using AUC, sensitivity, specificity, positive/negative predictive values, and decision-curve analysis-we will establish a decision-support tool that can be seamlessly integrated into clinical PACS, thereby reducing staging errors, refining surgical planning, and improving patient outcomes.

Вмешательства

  • Другое None intervention
    this study is retrospective based on the CT images, which dose include any intervention.

Первичные конечные точки

  • diagnostic performance [Срок оценки: from 2024 to 2027]

Критерии участия

Критерии включения

  • Histopathologically confirmed renal cell carcinoma on postoperative specimen.
  • Preoperative contrast-enhanced CT performed at our institution with slice thickness ≤ 1 mm and complete DICOM datasets.
  • Postoperative pathologic staging clearly defined as pT1a-T2b or pT3a.
  • CT image quality deemed adequate for analysis.

Критерии исключения

  • 1\. Pathologic subtype other than RCC. 2. Images with severe artifacts.

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Да

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

Китай · 1 центр
  • Peking University First Hospital, Beijing, — Пекин

Идентификаторы

NCT: NCT07166445 · PUH-2025-RCC-DL-TS001

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗