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

Optimering af kræftterapi og identifikation af årsager til lungebetændelse ved hjælp af kunstig intelligens (COVID-19) (OCTAPUS-AI)

23. juni 2022 opdateret af: Royal Marsden NHS Foundation Trust

Optimering af kræftterapi og identifikation af årsager til lungebetændelse ved hjælp af kunstig intelligens

At skelne mellem ændringer på patienter, der har modtaget thoraxstrålebehandling, og patienter, der i øjeblikket modtager eller for nylig har modtaget IO og præsenterer lungeforandringer, som vil blive identificeret ved hjælp af AI.

Studieoversigt

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

1211

Kontakter og lokationer

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

Studiesteder

      • London, Det Forenede Kongerige
        • Imperial College Healthcare NHS Trust
      • London, Det Forenede Kongerige
        • Guys and St. Thomas' NHS Foundation Trust
      • London, Det Forenede Kongerige
        • Royal Marsden NHS Foundation Trust

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, OLDER_ADULT)

Tager imod sunde frivillige

N/A

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Arm A og B: Voksne patienter med pneumonitis, der tidligere er blevet behandlet med thoraxstrålebehandling eller immunterapi Arm C: Voksne patienter, der har modtaget radikal strålebehandling for NSCLC

Beskrivelse

Arme A & B:

Inklusionskriterier:

Kohorte A1 (fra arm A) - tilfælde af immunterapi (IO) pneumonitis: patienter, der i øjeblikket er på eller har modtaget ICI IO inden for de sidste 3 måneder efter præsentation med:

• Nye radiologiske lungeforandringer på CT/CXR (bekræftet på rapport) af en sværhedsgrad og fordeling i overensstemmelse med IO pneumonitis. Disse ændringer bør være af sværhedsgrad og fordeling, som ikke er uforenelige med viral eller nedre luftvejsinfektion.

OG Må ikke have haft RT, der involverer thorax (medmindre dette var bryst-/brystvæg RT for mere end 5 år siden, hvilket er tilladt) OG

  • Hvis der er dokumenteret klinisk bekymring for infektion, har gennemgået en eller flere laboratorieundersøgelser for viral eller nedre luftvejsinfektion, herunder, men ikke begrænset til, Nasopharyngeal aspirat eller podning for respiratorisk virus ved PCR; Sputumprøve eller bronchiale udskylninger MCS uden organisme(r) i overensstemmelse med nedre luftvejsinfektion, cytologi eller beta-glucan/galactomannan for PCP eller svampeinfektion; bronkoalveolær udskylning for markører for infektion såsom MCS, PCR, svampekultur, beta-glucan/galactomannan til PCP eller tegn på nedre luftvejsinfektion (inklusive invasiv svampeinfektion) ved cytologi, hvoraf ingen blev betragtet som positive for infektion af klinisk team.
  • Hvor empirisk antibiotika blev ordineret, skal patienter enten have haft en negativ BAL-infektionsscreening eller kan inkluderes efter skøn af den lokale PI og lokal radiolog med lungeinteresse eller to medlemmer af forsøgsledelsesgruppen, hvoraf den ene skal være en radiolog med lungeinteresse eller respiratorlæge eller onkolog med passende erfaring med thorax CT-billeddannelse efter gennemgang af case-noterne.
  • Profylaktisk co-trimoxazol ordineret i forbindelse med højdosis steroidbehandling er tilladt.

Kohorte A2 (fra arm B) - tilfælde af strålebehandling (RT) pneumoni: Patienter, der har gennemført et RT-forløb, der involverer thorax (f.eks. lunge, bryst, øsofagus RT) inden for de sidste 12 måneder før præsentationen, som ikke har modtaget immunterapi, med:.

• Nye radiologiske lungeforandringer på CT/CXR (bekræftet på rapport) af en sværhedsgrad og fordeling i overensstemmelse med strålingspneumonitis eller tidlig fibrose (bør ikke omfatte etableret fibrose). Disse ændringer bør være af sværhedsgrad og fordeling, som ikke er uforenelige med viral eller nedre luftvejsinfektion.

OG

  • Hvis der er dokumenteret klinisk bekymring for infektion, har gennemgået en eller flere laboratorieundersøgelser for viral eller nedre luftvejsinfektion, herunder, men ikke begrænset til, Nasopharyngeal aspirat eller podning for respiratorisk virus ved PCR; Sputumprøve eller bronchiale udskylninger MCS uden organisme(r) i overensstemmelse med nedre luftvejsinfektion, cytologi eller beta-glucan/galactomannan for PCP eller svampeinfektion; bronkoalveolær lavage (BAL) for markører for infektion såsom MCS, PCR, svampekultur, beta-glucan/galactomannan til Pneumocystis Pneumonia (PCP) eller tegn på infektion i nedre luftveje (herunder invasiv svampeinfektion) ved cytologi, hvoraf ingen blev betragtet som positive for infektion af det kliniske team. Hvor empirisk antibiotika blev ordineret, skal patienterne enten have haft en negativ BAL-infektionsscreening eller kan inkluderes efter skøn af den lokale PI og lokal radiolog med lungeinteresse eller to medlemmer af forsøgets ledelsesgruppe, hvoraf den ene skal være en radiolog med lungeinteresser eller respiratorlæge eller onkolog med passende erfaring med thorax CT-billeddannelse, efter gennemgang af case-noterne.
  • Profylaktisk co-trimoxazol ordineret i forbindelse med højdosis steroidbehandling er tilladt.

B1 (anvendes i våben A & B) Ikke-COVID-19-infektiøse tilfælde:

  • Nye radiologiske lungeforandringer på CT/CXR (bekræftet på rapport) af en sværhedsgrad og fordeling i overensstemmelse med infektion i nedre luftveje, men kompatibel med graden og arten af ​​lungebetændelse set med IO eller RT
  • OG
  • Laboratoriefund, der opfylder et eller flere af følgende infektionskriterier: Nasopharyngeal aspirat eller podning positiv for en respiratorisk virus ved PCR; Sputumprøve eller bronchiale udskylninger positiv MCS for en(e) organisme(r) i overensstemmelse med nedre luftvejsinfektion, cytologi eller beta-glucan/galactomannan positiv for PCP eller svampeinfektion, positiv urin legionella/pneumokok antigen screening, positiv serologi for mycoplasma pneumoni; bronko-alveolær skylning for markører for infektion (MCS, PCR, svampekultur, beta-glucan/galactomannan til PCP eller andre tegn på infektion i nedre luftveje (herunder invasiv svampeinfektion) ved cytologi. Hvor ingen sådanne laboratoriefund var positive, men patienten blev forbedret med antimikrobiel behandling, kan sådanne tilfælde inkluderes efter skøn af den lokale PI og den lokale radiolog med lungeinteresse eller to medlemmer af forsøgsledelsesgruppen, to medlemmer af forsøgsledelsen gruppe, hvoraf den ene skal være radiolog med lungeinteresse eller respiratorlæge eller onkolog med passende erfaring med thorax CT-billeddannelse, efter gennemgang af case-notes og billeddiagnostik.
  • Ikke tidligere behandlet med immunterapi ELLER
  • Må ikke have haft RT, der involverer thorax (medmindre dette var bryst/brystvæg RT for mere end 5 år siden, hvilket er tilladt)
  • Først vurderet før 1. januar 2020 (og kan derfor ikke henføres til COVID-19)

B2 (Utilised in Arms A & B) COVID-19 tilfælde:

• Laboratoriefund, der opfylder et eller flere af følgende kriterier for COVID-19-infektion: positiv COVID-19 PCR-test og/eller antigentest eller anden egnet analyse, der indikerer aktuel infektion eller tidligere eksponering (herunder serologiske test) som bestemt af forsøget ledergruppe (TMG).

OG

  • Nye radiologiske lungeforandringer på CT/CXR (bekræftet på rapport) af en sværhedsgrad og fordeling i overensstemmelse med COVID-19. Disse ændringer bør være af sværhedsgrad og fordeling, der ikke er uforenelig med graden af ​​lungebetændelse set med IO eller RT
  • Ikke tidligere behandlet med immunterapi ELLER
  • Må ikke have haft RT, der involverer thorax (medmindre dette var bryst/brystvæg RT for mere end 5 år siden, hvilket er tilladt)
  • Vurderet efter 1. januar 2020 (og derfor samtidig med COVID-19)

Ekskluderingskriterier:

• Patienter med dokumenteret tidligere sygehistorie med kongestivt hjertesvigt eller anden årsag til interstitiel lungesygdom

Arm C:

Inklusionskriterier:

  • Voksne patienter (i alderen 18 år eller derover) behandlet med radikal thorax RT (konventionel fraktioneret RT +/- kemoterapi eller SBRT) for NSCLC
  • RT-planlægningsscanningsbilleddannelse og mærkede struktursætdata tilgængelige fra deltagende center
  • Minimum 2 års post-RT opfølgningsdata inklusive klinisk eller histologisk bekræftelse i tilfælde af recidiv, og om patienten er i live som tilgængelig fra primærpleje eller hospitalsjournaler.
  • Patienter med efterbehandlingsovervågning CT-billeddannelse (minimum af første scanning efter behandling og hvor det er muligt +/- yderligere scanninger inden for 2 år efter RT, f.eks. 3/6/12 måneder efter behandling).

Ekskluderingskriterier:

  • Enhver patient, der ikke har en primær lungemasse, f.eks. Tx sygdom
  • Enhver patient, der behandles for tilbagefald af en tidligere behandlet lungekræft
  • Enhver patient, der ikke havde radikal RT, f.eks. patienter, der havde høj dosis palliativ RT
  • Enhver patient, der ikke har billeddannelse, der opfylder tekniske krav i billedbehandlings- og analysemanualen

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Arm A - Kohorte A1
Træningssæt: Pneumonitis i forbindelse med IO-terapi og negativ for infektiøs lungebetændelse (inklusive COVID-19)
Arme A & B: Radiomik og deep-learning tilgange vil blive brugt på patientens billeddannelse for at udvikle en funktionsvektor, der kan skelne parenkymale lungeforandringer, f.eks. infektion fra lægemiddeltoksicitet.
Arme A og B - Kohorte B1
Træningssæt B1: IO og RT naiv og lungebetændelse (uden COVID-19)
Arme A & B: Radiomik og deep-learning tilgange vil blive brugt på patientens billeddannelse for at udvikle en funktionsvektor, der kan skelne parenkymale lungeforandringer, f.eks. infektion fra lægemiddeltoksicitet.
Arme A og B - Kohorte B2
Træningssæt B2: IO og RT naiv og bekræftet COVID-19 positiv med lungebetændelse
Arme A & B: Radiomik og deep-learning tilgange vil blive brugt på patientens billeddannelse for at udvikle en funktionsvektor, der kan skelne parenkymale lungeforandringer, f.eks. infektion fra lægemiddeltoksicitet.
Arm B - Kohorte A2
Træningssæt: Pneumonitis i forbindelse med thorax RT og negativ for infektiøs lungebetændelse (inklusive COVID-19)
Arme A & B: Radiomik og deep-learning tilgange vil blive brugt på patientens billeddannelse for at udvikle en funktionsvektor, der kan skelne parenkymale lungeforandringer, f.eks. infektion fra lægemiddeltoksicitet.
Arm A - Testkohorte (Kohorte C1)
Testsæt C1: Patienter på IO og med mulig toksicitet versus COVID-19 eller anden infektiøs pneumonitis
Arme A & B: Radiomik og deep-learning tilgange vil blive brugt på patientens billeddannelse for at udvikle en funktionsvektor, der kan skelne parenkymale lungeforandringer, f.eks. infektion fra lægemiddeltoksicitet.
Arm B - Testkohorte (Kohorte C2)
Testsæt C2: Patienter med pneumonitis i forbindelse med thorax RT med mulig toksicitet versus COVID-19 eller anden infektiøs pneumonitis.
Arme A & B: Radiomik og deep-learning tilgange vil blive brugt på patientens billeddannelse for at udvikle en funktionsvektor, der kan skelne parenkymale lungeforandringer, f.eks. infektion fra lægemiddeltoksicitet.
Arm C
Patienter med strålebehandling, der planlægger CT-scanninger og CT-scanninger efter behandling 3, 6 og 12 måneder efter behandlingen
Arm C: Radiomik og deep-learning tilgange vil blive brugt på patientens billeddannelse for at udvikle en risikosignatur for recidiv af malignitet efter radikal behandling

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Udvikling af en Machine Learning-model til at skelne mellem parenkymale lungeforandringer
Tidsramme: 3 år
Udviklingen og valideringen af ​​en ML/radiomisk klassifikator til at skelne mellem infektiøs/COVID-19 lungebetændelse og cancerterapi inducerede lungeforandringer
3 år
Udvikling af en Machine Learning-model til at forudsige gentagelsesrisiko efter radikal strålebehandling for ikke-småcellet lungekræft
Tidsramme: 3 år
at udvikle en prognostisk AI/radiomisk signatur for NSCLC-tilbagefald efter radikal RT (konventionel fraktioneret RT +/- kemoterapi eller stereotaktisk krops-RT (SBRT)) for at stratificere passende overvågning og videre pleje og dermed minimere unødvendige hospitalsbesøg og ressourceforbrug.
3 år

Samarbejdspartnere og efterforskere

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

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 (FAKTISKE)

27. januar 2021

Primær færdiggørelse (FAKTISKE)

1. marts 2022

Studieafslutning (FAKTISKE)

1. marts 2022

Datoer for studieregistrering

Først indsendt

6. november 2020

Først indsendt, der opfyldte QC-kriterier

20. januar 2021

Først opslået (FAKTISKE)

22. januar 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

29. juni 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

23. juni 2022

Sidst verificeret

1. juni 2022

Mere information

Begreber relateret til denne undersøgelse

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 Covid19

Abonner