Deep Learning-Based Multidimensional Body Composition Mapping for Outcome Prediction in HCC Patients Undergoing TACE

Rövid összefoglaló (regiszter, angolul)

Hepatocellular carcinoma (HCC) is a common liver cancer, and many patients cannot receive surgery. For these patients, transarterial chemoembolization (TACE) is an important treatment. However, patients often respond differently to TACE, and it is difficult to predict who will benefit most. This study uses deep learning to automatically analyze routine CT images taken before TACE. By measuring body composition features, such as the size and condition of different abdominal organs and tissues, we aim to better understand patients' overall health status and treatment tolerance. The goal is to develop a prediction model that can help doctors estimate survival and treatment outcomes more accurately. This may assist in making more personalized treatment decisions and improving patient care.

Mit vállalsz

• Vizsgálat típusa: Megfigyeléses
• Tervezett résztvevők: 300
• 2025. nov. 1. és az elsődleges befejezés (2025. dec. 31.) között
• 1 helyszín, 1 országban
• Vizitek és vizsgálatok: kérdezd a vizsgálat csapatát, a regiszter nem sorolja fel őket

A(z) ClinicalTrials.gov regisztermezőiből összeállítva. A vizsgálat felépítését írja le.

Ki nem vehet részt

Szó szerint a(z) ClinicalTrials.gov forrásból, témák szerint csoportosítva. Hogy ki vehet részt, azt csak a vizsgálat csapata dönti el.

Kiket keres a vizsgálat

Életkor a regiszterben: 18 év – - · Nem: nők és férfiak

A teljes feltétellista: ClinicalTrials.gov

Helyszínek (1)

Helyszínek a regiszter sorrendjében. Ha a profilodba mented a városodat, távolság szerint rendeződnek.

Te vagy a koordinátor? Erősítsd meg az adatokat