Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Identifikation af klinisk okkulte gliomceller og karakterisering af gliomadfærd gennem maskinlæringsanalyse af avanceret billedteknologi

13. januar 2017 opdateret af: AHS Cancer Control Alberta
Gliomer er en af ​​de mest udfordrende tumorer at behandle, fordi områder af den tilsyneladende normale hjerne indeholder mikroskopiske aflejringer af gliomceller; faktisk er disse okkulte celler kendt for at infiltrere adskillige centimeter ud over den klinisk tilsyneladende læsion visualiseret på standard computertomografi eller magnetisk resonansbilleddannelse (MR). Da det ikke er muligt at fjerne eller udstråle store mængder af hjernen, er det vigtigt kun at målrette den synlige tumor og de infiltrerede områder af hjernen. Men på grund af den begrænsede evne til at detektere okkulte gliomceller tilføjer klinikere i øjeblikket en ensartet margin på 2 cm eller mere ud over den synlige abnormitet og bestråler dette volumen. Beviser tyder dog på, at gliomvækst ikke er ensartet - vækst favoriseres i visse retninger og hæmmes i andre. Det betyder, at det er vigtigt for hver patient at afgøre, hvilke områder der har høj risiko for at huse okkulte celler. Vi foreslår at løse denne opgave ved at lære, hvordan gliomer vokser, ved at anvende Machine Learning-algoritmer til en database med billeder (opnået ved hjælp af forskellige avancerede billeddannelsesteknologier: MRI, MRS, DTI og MET-PET) fra tidligere gliompatienter. Fremskridt vil direkte omsætte til forbedringer for patienterne.

Studieoversigt

Status

Ukendt

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Gliomer er de mest almindelige primære hjernetumorer hos voksne; de fleste er af høj kvalitet og har en høj dødelighed. Standardbehandlingen er at dræbe eller fjerne kræftcellerne. Dette kan selvfølgelig kun virke, hvis kirurgen eller radiologen kan finde disse celler. Desværre findes der uundgåeligt såkaldte "okkulte" kræftceller, som ikke engang findes ved nutidens sofistikerede billeddannelsesteknikker.

Dette forslag foreslår en teknologi til at forudsige placeringen af ​​disse okkulte celler ved at lære vækstmønstrene udvist af gliomer hos tidligere patienter. Vi vil også udvikle softwareværktøjer, der hjælper både praktiserende læger og forskere med at finde gliomer, der ligner en nuværende, og som autonomt kan finde tumorregionen i et hjernebillede, hvilket kan spare radiologer for tid og måske hjælpe under operationen.

Undersøgelsestype

Interventionel

Tilmelding (Faktiske)

113

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Canada
    • Alberta
      • Edmonton, Alberta, Canada, T6G 1Z2
        • Cross Cancer Institute

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Beskrivelse

Inklusionskriterier:

  • skal have histologisk påvist gliom
  • patienten eller den juridisk autoriserede repræsentant skal fuldt ud forstå alle elementer af informeret samtykke og underskrive samtykkeerklæringen

Ekskluderingskriterier:

  • psykiatriske tilstande, der udelukker informeret samtykke
  • medicinsk eller psykiatrisk tilstand, der udelukker MR- eller PET-undersøgelser (f. pacemaker, aneurismeklemmer, neurostimulator, cochleaimplantat, svær klaustrofobi/angst, graviditet)

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Diagnostisk
  • Tildeling: N/A
  • Interventionel model: Enkelt gruppeopgave
  • Maskning: Ingen (Åben etiket)

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
billedgliompatienter med avancerede billeddannelsesteknikker for at hjælpe os med bedre at karakterisere gliomer i fremtiden
Tidsramme: Forbehandling, 1 måned efter behandling og 7 måneder efter behandling
Berettigede patienter vil få mulighed for at gennemgå yderligere billeddiagnostik. Disse billeder vil blive anonymiseret og databaseret. dataene vil blive analyseret ved hjælp af maskinlæringsteknikker.
Forbehandling, 1 måned efter behandling og 7 måneder efter behandling
oprette en billedbaseret database for at tillade maskinlæringsanalyse af alle de klinisk tilgængelige data
Tidsramme: Forbehandling, 1 måned efter behandling og 7 måneder efter behandling
Berettigede patienter vil få mulighed for at gennemgå yderligere billeddiagnostik. Disse billeder vil blive anonymiseret og databaseret. dataene vil blive analyseret ved hjælp af maskinlæringsteknikker.
Forbehandling, 1 måned efter behandling og 7 måneder efter behandling

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
gennem maskinlæringsanalyse, udvikle computeralgoritmer for at give os mulighed for at automatisere tumorsegmentering, forudsige tumoradfærd og forudsige lokalisering af klinisk okkulte gliomceller
Tidsramme: Forbehandling, 1 måned efter behandling og 7 måneder efter behandling
Berettigede patienter vil få mulighed for at gennemgå yderligere billeddiagnostik. Disse billeder vil blive anonymiseret og databaseret. dataene vil blive analyseret ved hjælp af maskinlæringsteknikker.
Forbehandling, 1 måned efter behandling og 7 måneder efter behandling

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

AHS Cancer Control Alberta

Efterforskere

  • Ledende efterforsker: Albert Murtha, MD, FRCPC, AHS Cancer Control Alberta

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart

1. juni 2006

Primær færdiggørelse (Forventet)

1. december 2017

Studieafslutning (Forventet)

1. december 2017

Datoer for studieregistrering

Først indsendt

23. maj 2006

Først indsendt, der opfyldte QC-kriterier

23. maj 2006

Først opslået (Skøn)

25. maj 2006

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Skøn)

16. januar 2017

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

13. januar 2017

Sidst verificeret

1. juli 2016

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • CNS-9-0032 / 22151-22523

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Gliom

Kliniske forsøg med MRS billedbehandling

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Germany

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner