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

Deep Learning Radiogenomics For Individualized Therapy in Inoperable Galdeblærekræft

6. februar 2023 opdateret af: Pankaj Gupta, Postgraduate Institute of Medical Education and Research, Chandigarh

Målet med denne observationsundersøgelse er at lære om deep learning radiogenomics til individualiseret terapi ved inoperabel galdeblærekræft. De vigtigste spørgsmål, den sigter mod at besvare er:

(i) om en deep learning radiomics (DLR) model kan bruges til identifikation af HER2-status og forudsigelse af respons på anti-HER2-styret terapi i uoperabel GBC.

(ii) validering af deep learning radiomics (DLR)-modellen til identifikation af HER2-status og forudsigelse af respons på anti-HER2-styret terapi i uoperable GBC.

Deltagerne vil blive bedt om det

  1. Gennemgå biopsi af galdeblæremassen efter en baseline CT-scanning
  2. Baseret på resultaterne af biopsien vil patienter få kemoterapi enten målrettet (hvis Her2 positiv) eller ikke-målrettet kemoterapi
  3. Respons på behandlingen vil blive vurderet med en CT-scanning efter 12 ugers kemoterapi

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Denne undersøgelse havde til formål at undersøge behandlingsmuligheden for patienter med ikke-operabel GB-kræft. I øjeblikket behandling af inoperabel GB-cancer hovedsageligt palliativ med kemoterapiregime begrænset til generisk form for kemoterapitilbud til patienter med anden GI-kræft. Der er udviklende data vedrørende rollen af ​​genetisk mutation i cancer. Nylige undersøgelser har også vist flere somatisk og kimlinjemutationer i GB-kræft. Nogle af disse mutationer er venlige til målrettet terapi. Præcisionsmedicinens æra sikrede nye håb for patienter med uoperabel cancer. Der er nogle foreløbige data, der også viser fordelene ved præcisionsmedicin i GB-kræft. Estimeringen af ​​målrettet terapi er afhængig af opnåelse af biopsiterapi på cancer, som ofte kan være udfordrende, forbundet med komplikationer og mindre acceptabel af patienterne. Undersøgelser i nogle andre kræftformer viser, at genetisk mutation kan forudsiges baseret på billeddannelseskarakteristika, men der er ikke lavet en sådan undersøgelse i GB-kræft. Den grundlæggende hypotese er, at forudsigelse af HER2-status og respons på anti-HER2-styret terapi ved hjælp af radiomiske modeller med dyb indlæring i uoperable GBC vil give forskere mulighed for fuldt ud at udnytte potentialet i målrettet terapi i kliniske forsøg.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

75

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Indien
    • Punjab
      • Chandigarh, Punjab, Indien, 160012
        • Rekruttering
        • Post Graduate Institute of Medical Education and Research
        • Kontakt:
          • Pankaj Gupta
          • Telefonnummer: 0172-2756508

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 70 år (VOKSEN, OLDER_ADULT)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter med ikke-operabel massedannende GBC

Beskrivelse

Inklusionskriterier:

  1. Patienter med ikke-operabel massedannende GBC
  2. Patienter villige til at give informeret samtykke

Ekskluderingskriterier:

  1. Patienter med tidligere kemoterapi for GBC
  2. Patienter med forstyrrede RFT'er
  3. Patienter med kontrastallergi

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Udvikle og validere en deep learning radiomics (DLR) model til identifikation af HER2-status ved inoperabel galdeblærecancer (GBC) på computertomografi (CT)
Tidsramme: 8 måneder
DLR-modellen, der identificerer HER2-status i uoperabel GBC, vil blive udviklet ved hjælp af kontrastforstærkede CT-scanninger af 150 patienter (retrospektive data). Nøjagtigheden af ​​DLR vil blive valideret i en prospektiv kontrastforstærket CT-data fra 75 patienter.
8 måneder
Forudsige respons på anti-HER2 rettet terapi ved hjælp af DLR
Tidsramme: 12 uger
DLR vil blive brugt til at forudsige respons på målrettet terapi i prospektive kohorte af HER2+ GBC-patienter på opfølgende CT efter 12 uger ved hjælp af RECIST 1.1
12 uger

Samarbejdspartnere og efterforskere

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

Sponsor

Postgraduate Institute of Medical Education and Research, Chandigarh

Samarbejdspartnere

Radiological Society of North America

Efterforskere

  • Ledende efterforsker: Pankaj Gupta, PGIMER, Chandigarh

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

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 (FORVENTET)

15. februar 2023

Primær færdiggørelse (FORVENTET)

31. december 2023

Studieafslutning (FORVENTET)

31. december 2023

Datoer for studieregistrering

Først indsendt

29. januar 2023

Først indsendt, der opfyldte QC-kriterier

6. februar 2023

Først opslået (FAKTISKE)

8. februar 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

8. februar 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

6. februar 2023

Sidst verificeret

1. februar 2023

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 31875

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 CT-scanning

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Cote d'Ivoire

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner