洞察市场格局
解锁药品研发情报

客服电话

400-9696-311
医药数据查询

首页 临床进展 基于机器学习和深度学习的子宫颈癌术前分期预测模型构建：一项回顾性研究

【ChiCTR2600116794】基于机器学习和深度学习的子宫颈癌术前分期预测模型构建：一项回顾性研究

查看原文
立即下载
基本信息
登记号

ChiCTR2600116794

试验状态

尚未开始

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2026-01-15

临床申请受理号

/

靶点

/

适应症

宫颈癌

试验通俗题目

基于机器学习和深度学习的子宫颈癌术前分期预测模型构建：一项回顾性研究

试验专业题目

基于机器学习和深度学习的子宫颈癌术前分期预测模型构建：一项回顾性研究

申办单位信息
申请人联系人
请登录查看
申请人名称
请登录查看
联系人邮箱
请登录查看
联系人邮编

联系人通讯地址
请登录查看
临床试验信息
试验目的

子宫颈癌是全球威胁女性健康的重大疾病。 对于早期子宫颈癌患者，手术治疗后通常预后良好， 如果存在淋巴结转移、手术切缘阳性、 宫旁侵犯、 淋巴脉管间隙浸润、间质浸润或肿瘤体积大等多种中高危因素则需要在子宫广泛性切除术后进行辅助放化疗。与初次放化疗相比，多模式治疗如子宫广泛性切除术联合术后辅助放化疗，会增加药物毒性和治疗成本，且不能提高生存率。对子宫颈癌患者进行准确的术前分期评估， 对于术前决策和长期预后具有重要意义。本研究构建子宫颈癌术前分期预测模型，基于临床、影像组学和分子病理信息并结合指南推荐的治疗方案，进行推荐手术组(IA~IB2、 IIA1 期)与推荐同步放化疗或全身治疗组(IB3、IIA2~IVB 期)的二分类研究。 同时构建模型进行中高危因素(淋巴结转移、手术切缘阳性、宫旁侵犯、淋巴脉管间隙浸润、间质浸润或肿瘤体积大等)及病理亚型(鳞癌、腺癌、腺鳞癌及其它罕见亚型)的预测。

试验分类
请登录查看
试验类型

队列研究

试验分期

探索性研究/预试验

随机化

基于临床、影像组学和分子病理信息并结合指南推荐的治疗方案，进行推荐手术组(IA~IB2、 IIA1 期)与推荐同步放化疗或全身治疗组(IB3、IIA2~IVB 期)的二分类研究。

盲法

/

试验项目经费来源

自筹

试验范围

/

目标入组人数

600

实际入组人数

/

第一例入组时间

2025-11-05

试验终止时间

2026-11-05

是否属于一致性

/

入选标准

1. 年龄 18 至 80 岁； 2. 经组织学确诊为宫颈恶性肿瘤； 3. 术前具有完整的 MR/PET-CT 检查数据； 4. MR/PET-CT 检查前未接受新辅助化疗或其他治疗。；

排除标准

1. 病理资料缺失关键信息或记录不规范； 2. 病灶过小无法准确勾画； 3. 术前接受化疗等引起肿瘤图像变化者； 4. 复发或二次手术病例； 5. 图像不清晰或缺少关键扫描序列。；

研究者信息
研究负责人姓名
请登录查看
试验机构

中山大学附属第一医院

研究负责人电话
请登录查看
研究负责人邮箱
请登录查看
研究负责人邮编

/

联系人通讯地址
请登录查看
更多信息
获取更多临床信息查看权限
立即前往摩熵医药企业版免费查询
示例数据
<END>

中山大学附属第一医院的其他临床试验

更多

中山大学附属第一医院的其他临床试验

更多

最新临床资讯

更多
摩熵医药企业版
50亿+条医药数据随时查
7天免费试用
体验产品

同适应症药物临床试验

更多