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

MR-radiomiks kombineret med patomik om forudsigelse af molekylær klassificering og prognose af endometriecancer

13. november 2023 opdateret af: Fujian Cancer Hospital

Undersøgelse af forudsigelse af molekylær klassificering og prognose af endometriecancer ved hjælp af en model konstrueret af magnetisk resonansbilleddannelsesradiomik kombineret med patomik

Molekylær typning giver nøjagtig information til diagnosticering, behandling og prognose forudsigelse af endometriecancer, som har vigtig klinisk betydning. Men på grund af dets høje omkostninger og komplicerede proces, er det vanskeligt at blive brugt bredt i klinisk praksis. Baseret på den kunstige intelligens-metode, fusionerede denne undersøgelse karakteristikaene af MR-radiomik og patomik, kombineret med den kliniske patologiske information, byggede en model til at forudsige den molekylære typebestemmelse og prognose, analyserede de biologiske karakteristika af endometriecancer fra multi-skala niveau, vejledt den personlige og præcise diagnose og behandling, for at forbedre patienternes prognose.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

I dette projekt blev der retrospektivt indsamlet 150 tilfælde af endometriecancer, og 200 tilfælde af endometriecancer vil blive prospektivt indsamlet. Alle patienter blev patologisk bekræftet og gennemgik Promise molekylær typning. Før behandlingen gennemførte alle patienter abdominal MR. Baseret på kunstig intelligens-teknologi blev billedtræk ekstraheret fra magnetisk resonansbilleddannelse, patologiske træk blev ekstraheret fra patologiske data, og klinisk patologiske data blev indsamlet på samme tid. Behandlingseffekt, tilbagefald og metastaser hos patienter blev fulgt op, og femårs overlevelsesraten og femårs progressionsfri overlevelsesrate blev beregnet. Det foreslås at fokusere på følgende forskning:

  1. Konstruktion af molekylær typning og prognose forudsigelsesmodel for endometriecancer baseret på magnetisk resonansbilleddannelse Radiomics
  2. Konstruktion af molekylær typning og prognose forudsigelsesmodel for endometriecancer baseret på patomik.
  3. Konstruktion af en forudsigelsesmodel for molekylær typning af endometriecancer ved at integrere patomik og radiomik.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

350

Kontakter og lokationer

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

Studiekontakt

  • Navn: Jian Chen, Master
  • Telefonnummer: 15806030009
  • E-mail: marsz3@126.com

Studiesteder

  • Kina
    • Fujian
      • Fuzhou, Fujian, Kina, 350014
        • Clinical Oncology School of Fujian Medical University, Fujian Cancer Hospital
        • Kontakt:

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

  1. Alle patienter blev patologisk bekræftet som endometriale maligne tumorer, og molekylær typebestemmelse blev udført.
  2. Patienter med endometriecancer, der blev indlagt på Fujian cancerhospital fra januar 2020 til december 2023, blev indsamlet retrospektivt. I mellemtiden, fra 1. januar 2024, blev alle på hinanden følgende patienter med nydiagnosticeret endometriecancer indskrevet og underskrevet det informerede samtykke.

Beskrivelse

Inklusionskriterier:

  • •Patologisk bekræftet som endometrie malign tumor med komplette patologiske H＆E farvede snit;

    • Alder ≥ 18 år og ≤ 80 år;
    • Der blev ikke fundet andre maligne kræftformer;
    • De komplette immunhistokemiske og anden generations sekventeringsresultater kan bruges til den molekylære typebestemmelse af ProMisE;
    • Magnetisk resonansundersøgelse blev udført inden for 2 uger før behandling, og der var mindst én målbar læsion i henhold til RECIST 1.1-kriterier.

Ekskluderingskriterier:

  • • Billedkvaliteten er dårlig, eller tumoren er for lille på grund af alvorlige grafiske artefakter og degeneration, og ROI kan ikke afgrænses nøjagtigt;

    • Patienter, der modtog enhver antitumorbehandling før operationen;
    • Diagnostisk endometriebiopsi før MR

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
POLE Mut
POLE-genmutationsdetektionen blev udført, og mutationsændringerne blev klassificeret som POLE-mutation.
Diagnostisk test: næste generations sekventering OG Immunhistokemisk undersøgelse
For det første blev mismatch repair (MMR) proteinerne påvist ved immunhistokemi, og deletionen af ​​et eller flere proteiner blev klassificeret som d-MMR subtype; Derefter blev POLE-genmutationsdetektionen udført, og mutationsændringerne blev klassificeret som POLE-mutation; Endelig blev p53 påvist ved immunhistokemi, og p53 mutant (p53 abn) og p53 vildtype (p53wt) blev skelnet.
Andre navne:
  • Magnetisk resonans undersøgelse
dMMR
Mismatch repair (MMR) proteinerne blev påvist ved immunhistokemi, og deletionen af ​​et eller flere proteiner blev klassificeret som d-MMR subtype
Diagnostisk test: næste generations sekventering OG Immunhistokemisk undersøgelse
For det første blev mismatch repair (MMR) proteinerne påvist ved immunhistokemi, og deletionen af ​​et eller flere proteiner blev klassificeret som d-MMR subtype; Derefter blev POLE-genmutationsdetektionen udført, og mutationsændringerne blev klassificeret som POLE-mutation; Endelig blev p53 påvist ved immunhistokemi, og p53 mutant (p53 abn) og p53 vildtype (p53wt) blev skelnet.
Andre navne:
  • Magnetisk resonans undersøgelse
P53abn
Ekspressionen af ​​p53 blev påvist ved immunhistokemi. Abnormiteten af ​​p53-proteinekspression (fuldstændig negativ eller diffust stærk positiv i kernen) eller ekspressionsplacering (cytoplasmatisk ekspression) blev bedømt som p53abn, ellers var den p53wt.
Diagnostisk test: næste generations sekventering OG Immunhistokemisk undersøgelse
For det første blev mismatch repair (MMR) proteinerne påvist ved immunhistokemi, og deletionen af ​​et eller flere proteiner blev klassificeret som d-MMR subtype; Derefter blev POLE-genmutationsdetektionen udført, og mutationsændringerne blev klassificeret som POLE-mutation; Endelig blev p53 påvist ved immunhistokemi, og p53 mutant (p53 abn) og p53 vildtype (p53wt) blev skelnet.
Andre navne:
  • Magnetisk resonans undersøgelse
P53wt
Ekspressionen af ​​p53 blev påvist ved immunhistokemi. Abnormiteten af ​​p53-proteinekspression (fuldstændig negativ eller diffust stærk positiv i kernen) eller ekspressionsplacering (cytoplasmatisk ekspression) blev bedømt som p53abn, ellers var den p53wt.
Diagnostisk test: næste generations sekventering OG Immunhistokemisk undersøgelse
For det første blev mismatch repair (MMR) proteinerne påvist ved immunhistokemi, og deletionen af ​​et eller flere proteiner blev klassificeret som d-MMR subtype; Derefter blev POLE-genmutationsdetektionen udført, og mutationsændringerne blev klassificeret som POLE-mutation; Endelig blev p53 påvist ved immunhistokemi, og p53 mutant (p53 abn) og p53 vildtype (p53wt) blev skelnet.
Andre navne:
  • Magnetisk resonans undersøgelse

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Anvendelse af magnetisk resonansbilleddannelse radiomik og patomik til at konstruere en model til at forudsige den molekylære klassificering og prognose af endometriecancer
Tidsramme: 2026-12-21
De billeddiagnostiske og patologiske træk hos endometriecancerpatienter blev ekstraheret ved kunstig intelligensmetode. Kombineret med klinisk-patologiske risikofaktorer og overlevelsestid blev et billeddannende nomogram konstrueret ved lasso-regression-metoden for at forudsige den molekylære klassificering og prognose af endometriecancer. ROC-kurve blev brugt til at evaluere modellens testeffektivitet.
2026-12-21

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Anvendelse af magnetisk resonansbilleddannelsesradiomik til at konstruere en model til at forudsige den molekylære klassificering og prognose for endometriecancer
Tidsramme: 2026-12-21
Billeddannelsesegenskaberne hos endometriecancerpatienter blev ekstraheret ved kunstig intelligensmetode. Kombineret med klinisk-patologiske risikofaktorer og overlevelsestid blev et billeddannende nomogram konstrueret ved lasso-regression-metoden for at forudsige den molekylære klassificering og prognose af endometriecancer. ROC-kurve blev brugt til at evaluere modellens testeffektivitet.
2026-12-21

Andre resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Anvendelse af patomik til at konstruere en model til at forudsige den molekylære klassificering og prognose af endometriecancer
Tidsramme: 2026-12-21
De patomiske træk hos endometriecancerpatienter blev ekstraheret ved kunstig intelligensmetode. Kombineret med klinisk-patologiske risikofaktorer og overlevelsestid blev et billeddannende nomogram konstrueret ved lasso-regression-metoden for at forudsige den molekylære klassificering og prognose af endometriecancer. ROC-kurve blev brugt til at evaluere modellens testeffektivitet.
2026-12-21

Samarbejdspartnere og efterforskere

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

Sponsor

Fujian Cancer Hospital

Samarbejdspartnere

First Affiliated Hospital of Fujian Medical University
Fujian Provincial Hospital
Gutian Hospital

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 (Anslået)

1. januar 2024

Primær færdiggørelse (Anslået)

31. marts 2027

Studieafslutning (Anslået)

30. juni 2027

Datoer for studieregistrering

Først indsendt

6. november 2023

Først indsendt, der opfyldte QC-kriterier

6. november 2023

Først opslået (Faktiske)

13. november 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

15. november 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

13. november 2023

Sidst verificeret

1. november 2023

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • CHENJIAN1

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Alle relevante patientoplysninger og opfølgningsresultater fra denne undersøgelse blev gemt af den primære investigator, og der var ingen plan om at dele dem med andre investigatorer

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