- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06454097
Undersøgelse af radiogenomiske egenskaber forbundet med radiokemoterapifølsomhed i gliomer
MR-dataene blev indsamlet fra patienter med gliomer før operation, 2 uger før påbegyndelse af radiokemoterapi, 1 måned efter afslutning af strålebehandlingen (for lavere grads gliomer, LGG), eller 4 og 10 måneder efter afslutning af radiokemoterapien (for højgradige gliomer, HGG). Radiokemoterapi følsomhedsmærker blev konstrueret baseret på MR-billeder opnået før og efter radiokemoterapi efter RANO-kriterierne. Radiomikale funktioner blev ekstraheret fra præoperative MR-billeder og kombineret med transkriptomisk information opnået fra tumorvævssekventering. Denne proces tillod konstruktionen af en radiogenomisk model, der var i stand til at forudsige gliomers respons på radiokemoterapi.
I dette prospektive kohortestudie vil vi rekruttere patienter med gliomer, som har gennemgået kraniotomi og modtaget postoperativ strålebehandling eller radiokemoterapi (i tilfælde af henholdsvis LGG og HGG). MR-billeder af de samme sekvenser vil blive indsamlet på tilsvarende tidspunkter, og transkriptomisk sekventering vil blive udført på tumorvæv opnået under operationen. Den etablerede model vil blive anvendt til at forudsige radiokemoterapifølsomhed og sammenlignet med de 'sande' radiokemoterapifølsomhedsmærker, som er konstrueret ud fra RANO-kriterierne, for at evaluere modellens prædiktive ydeevne.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Dette forsøg har til formål at rekruttere 100 tilfælde af LGG og 100 tilfælde af HGG baseret på statistiske beregninger. MR-data, inklusive T1-vægtede, T2-vægtede, T1-kontrastforstærkede og T2-Fluid Attenuated Inversion Recovery (FLAIR)-sekvenser, vil blive indsamlet før operation, 2 uger før påbegyndelse af radiokemoterapi, 1 måned efter afslutning af strålebehandlingen (LGG) eller 4 og 10 måneder efter afsluttet radiokemoterapi (HGG).
De indsamlede MR-billeder før og efter radiokemoterapi vil blive brugt til at vurdere ændringer i tumorvolumen. RANO-kriterierne vil blive anvendt til at bestemme tumorens følsomhed over for radiokemoterapi: et komplet respons og delvist respons vil blive klassificeret som følsomt, mens stabil sygdom og sygdomsprogression vil blive betragtet som ufølsom.
Radiomik-funktioner vil blive ekstraheret ved hjælp af open-source 'PyRadiomics' python-pakken efter at have udført billedforbehandling og segmentering. Transkriptomiske data vil blive opnået ved at udføre RNA-sekventeringsanalyse på tumorprøver indsamlet under operationen. Udvalgte radiogenomiske funktioner vil blive inkorporeret i en prækonstrueret maskinlæringsmodel for at forudsige gliomers følsomhed over for radiokemoterapi. Modellens ydeevne vil blive evalueret ved hjælp af metrikker såsom klassifikationsnøjagtighed (ACC), areal under modtagerens driftskarakteristikkurve (AUC), positiv forudsigelig værdi (PPV) og negativ forudsigelig værdi (NPV).
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Tao Jiang, MD and PhD
- Telefonnummer: +86 10 67021832
- E-mail: taojiang1964@163.com
Undersøgelse Kontakt Backup
- Navn: Yinyan Wang, MD and PhD
- Telefonnummer: +86 13581698953
- E-mail: tiantanyinyan@126.com
Studiesteder
-
-
Beijing
-
Beijing, Beijing, Kina, 100071
- Rekruttering
- Beijing Tiantan Hospital
-
Kontakt:
- Yinyan Wang, MD and PhD
- Telefonnummer: +86 13581698953
- E-mail: tiantanyinyan@126.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Patienter på 18 år eller ældre
- Histologisk bekræftet gliom
- Ingen historie med andre hjernetumorer eller tidligere kranieoperationer
- Ingen historie med præoperativ strålebehandling eller kemoterapi
- Tilgængelige præoperativ, præ-strålebehandling (postoperativt) og post-strålebehandling magnetisk resonansbilleddannelse (MRI) data
Ekskluderingskriterier:
- Dem, der ikke opfylder nogen af inklusionskriterierne
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: N/A
- Interventionel model: Enkelt gruppeopgave
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Andet: Evaluer responsen fra patienter med gliom på radiokemoterapi
Patienter med glioms respons på radiokemoterapi vil blive vurderet ud fra RANO-kriterierne og den etablerede radiogenomics-baserede kunstige intelligensmodel.
|
Forudsige radiokemoterapifølsomheden hos patienter med gliom ved hjælp af en etableret radiogenomics-baseret kunstig intelligens-tilstand
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
AI-modellens følsomhed til at forudsige radiokemoterapirespons
Tidsramme: 1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
Følsomhed = TP/(TP+FN)
|
1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
|
Specificitet af AI-modellen til at forudsige radiokemoterapirespons
Tidsramme: 1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
Specificitet = TN/(TN+FP)
|
1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
|
Område under modtagerens driftskarakteristikkurve (AUC)
Tidsramme: 1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
AUC måler hele det todimensionelle område under hele ROC-kurven
|
1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed af AI-modellen til at forudsige radiokemoterapirespons
Tidsramme: 1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
Nøjagtighed af forudsigelse af radioterapifølsomhed AI-model = (TP+TN)/ (TP+TN +FP+FN)
|
1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
|
Positiv prædiktiv værdi (PPV) af AI-modellen til at forudsige radiokemoterapirespons
Tidsramme: 1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
PPV for forudsigelse af radioterapifølsomhed AI-model = [TP/(TP+FP)]*100
|
1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
|
Negativ prædiktiv værdi (NPV) af AI-modellen til at forudsige radiokemoterapirespons
Tidsramme: 1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
NPV for forudsigelse af radioterapifølsomhed AI-model = [TN/(FN+TN)]*100
|
1 måned efter strålebehandling (LGG); 4 og 10 måneder efter radiokemoterapi (HGG)
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Ledende efterforsker: Yinyan Wang, MD and PhD, Beijing Tiantan Hospital
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 82072786
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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
-
UMC UtrechtPrincess Maxima Center for Pediatric OncologyIkke rekrutterer endnuDiffus Midline Glioma, H3 K27-ændretHolland
-
Universita degli Studi di GenovaUniversity of Turin, ItalyRekrutteringGlioma, høj kvalitet | Glioma Glioblastoma Multiforme | Positron-emissionstomografi (PET) | GliomkirurgiItalien
-
University of California, San FranciscoPacific Pediatric Neuro-Oncology ConsortiumRekrutteringBørnekræft | Gliom af lav kvalitet | Lav grad af hjernegliom | Tilbagevendende glioma med lav kvalitetForenede Stater
-
Children's Oncology GroupRekrutteringAstrocytom i barndommen | Glioblastom i barndommen | Barndom diffus iboende pontin glioma | Barndom diffus midtlinie glioma | Barndom ondartet gliomForenede Stater
-
Second Affiliated Hospital, School of Medicine,...RekrutteringGlioma, høj kvalitetKina
-
Azienda Sanitaria dell'Alto AdigeAzienda Ospedaliera Universitaria Integrata Verona; Università degli Studi...Ikke rekrutterer endnuGliom | Glioma, høj kvalitet | Hjernetumor Voksen
-
Goethe UniversityAktiv, ikke rekrutterende
-
Giselle ShollerPhoenix Children's HospitalAfsluttetPontine GliomaForenede Stater
-
Genetron HealthHuashan Hospital; West China Hospital; The First Hospital of Jilin University og andre samarbejdspartnereAfsluttetGliom, ondartet | Glioma, blandetKina
-
University of OxfordImperial College Healthcare NHS Trust; Efficacy and Mechanism Evaluation...RekrutteringGlioma Glioblastoma MultiformeDet Forenede Kongerige