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

Kunstig intelligens ved endometriose-relateret ovariecancer og præcisionskirurgi ved endometriose-relateret ovariecancer (ATENA)

4. december 2021 opdateret af: Anna Myriam Perrone, IRCCS Azienda Ospedaliero-Universitaria di Bologna

Kunstig intelligens som værktøj til tidlig diagnose og præcisionskirurgi ved endometriose-relateret ovariecancer

Endometriose (EMS) er en kronisk, invaliderende, inflammatorisk gynækologisk tilstand, der påvirker 10-15 % af kvinder i den fødedygtige alder. EMS er karakteriseret ved læsioner af endometrie-lignende væv uden for livmoderen, der involverer bækkenhinde og æggestokke. Derudover observeres nogle gange fjerne foci. Desværre er ætiologien af ​​EMS kun lidt kendt. Selvom det ikke er ondartet, deler EMS lignende træk med cancer, såsom udvikling af lokale og fjerne foci, resistens mod apoptose og invasion af andre væv med efterfølgende skade på målorganerne. Desuden udviste patienter med EMS (især ovarie-EMS) høj risiko (ca. 3 til 10 gange) for at udvikle epitelial ovariecancer (EOC). Epidemiologiske, morfologiske og molekylære undersøgelser rapporterede endometriom som forløberen for EOC, herunder clear cell (CCC) endometrioid carcinom, som begge kaldes "EMS-relateret ovariecarcinom (EROC)". Til dato er det stadig uklart, hvorfor godartet EMS forårsager malign transformation. Denne flertrinsproces giver i modsætning til serøse karcinomer af høj kvalitet mulighed for at identificere karcinomprækursorerne, hvilket muliggør en tidlig diagnose og i de tidlige stadier af sygdommen.

EOC er den mest dødelige kvindelige gynækologiske kræftsygdom med 25 % 5-års samlet overlevelse (OS), på grund af manglen på effektive screeningsværktøjer, og spredes hurtigt over hele peritonealoverfladen (carcinose) og involverer således alle abdominale organer. Diagnose og klinisk stadieinddeling af EOC udføres i øjeblikket ved kvalitativ billedevaluering, selvom sensitiviteten/specificiteten er suboptimal. Til dato er diagnostiske, iscenesættelse og prognostiske faktorer stærkt korreleret med subjektiv vurderingstræning og klinikerens erfaring.

Genomisk analyse baseret på Next Generation Sequencing (NGS) har afsløret tilstedeværelsen af ​​cancer-associerede genmutationer i EMS. Desuden involverer den kroniske inflammatoriske proces af EMS mange faktorer, såsom hormoner, cytokiner, glycoproteiner og angiogene faktorer, som forventes at blive tidlige EMS-biomarkører.

En lovende ny gren af ​​kræftforskning er brugen af ​​kunstig intelligens (AI) til at genkende nye billedmønstre og tekstur og/eller opdage nye biomarkører for at forbedre den tidlige identifikation af EROC-patienter. AI er aldrig blevet brugt til EROC, og vi ønsker at undersøge, om disse metoder/teknikker kan understøtte og endda forbedre nuværende diagnostik og risikovurdering. AI vil blive brugt til at konstruere en ny 3D risikovurderingsmodel baseret på billeder og mængde af interesse

Studieoversigt

Status

Rekruttering

Betingelser

Undersøgelsestype

Observationel

Tilmelding (Forventet)

240

Kontakter og lokationer

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

Studiesteder

  • Italien
    • Bo
      • Bologna, Bo, Italien, 40138
        • Rekruttering
        • IRCCS- Azienda Ospedaliera-Universitaria di Bologna
        • Ledende efterforsker:
          • Lidia Strigari

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 til 90 år (Voksen, Ældre voksen)

Tager imod sunde frivillige

N/A

Køn, der er berettiget til at studere

Kvinde

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter i alderen mellem 18 og 90 år med klinisk og radiologisk mistanke om kræft i æggestokkene, kvalificerede til operation, fulgte den kliniske plejevej på U.O.C. Onkologisk gynækologi-IRCCS A.O.U i Bologna (undersøgelsesgruppe) og patienter i alderen 18 til 90 år med klinisk og radiologisk mistanke om endometriose eller raske (kontrolgruppe)

Beskrivelse

Inklusionskriterier:

  • alder >18
  • Mistænkt diagnose af epitelial ovariecancer
  • Patienter kvalificeret til operation
  • radiologisk billeddannelse tilgængelig
  • informeret samtykke

Ekskluderingskriterier:

  • Patienter med tidligere forskellige maligniteter
  • Patienter med tidligere kemoterapeutisk behandling
  • Patienter med tidligere bækkenstrålebehandling

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Observationsmodeller: Case-Control
  • Tidsperspektiver: Fremadrettet

Kohorter og interventioner

Gruppe / kohorte
gruppe 1
200 patienter med mistanke om kræft i æggestokkene
gruppe 2
40 ikke-onkologiske patienter af heks 20 med endometriose

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
udvikling af en diagnostisk og prognostisk model baseret på brugen af ​​kunstig intelligens
Tidsramme: 2 år
udvikling af en diagnostisk og prognostisk model baseret på brugen af ​​kunstig intelligens hos patienter, der lider af ovariecancer relateret til endometriose gennem indsamling af al tilgængelig information (kliniske, patologiske, molekylære, genetiske, radiomiske data)
2 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Korrelation af specifikke egenskaber med kliniske karakteristika
Tidsramme: 2 år

Korrelation af de histopatologiske træk, immuno-fænotypiske og molekylære ændringer, der er til stede i epiteliale ovarietumorer, især i associerede endometriose-relaterede ovarietumorer, ved brug af en immunhistokemisk profil og et NGS-panel

  • evaluering af miRNA-ekspressionsprofilen i endometriose-relaterede ovarietumorer
  • identifikation og validering af radiomiske træk, der indikerer endometriose-relaterede ovarietumorer
  • opbyg et tredimensionelt kort over læsionerne for at skelne de tumorområder, der skal fjernes under operationen, samtidig med at de organer, der ikke er påvirket af tumorpatologien, bevares
2 år

Samarbejdspartnere og efterforskere

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

Sponsor

IRCCS Azienda Ospedaliero-Universitaria di Bologna

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)

29. november 2021

Primær færdiggørelse (Forventet)

30. juli 2023

Studieafslutning (Forventet)

28. november 2023

Datoer for studieregistrering

Først indsendt

4. december 2021

Først indsendt, der opfyldte QC-kriterier

4. december 2021

Først opslået (Faktiske)

17. december 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

17. december 2021

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

4. december 2021

Sidst verificeret

1. december 2021

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 923/2021/Oss/AOUBo

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

Ingen

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 .

Abonner