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

Radiomiks model til vurdering af lymfeknudestatus hos cN0-patienter med HNSCC

27. maj 2025 opdateret af: xinwei Chen, First Affiliated Hospital of Chongqing Medical University

CT-baseret radiomik forudsiger okkult LNM og afslører immunmikromiljø af hoved- og nakkekræft

Okkult lymfeknudemetastase (LNM) er fortsat et af de mest kritiske og udfordrende aspekter ved håndtering af hoved- og halspladecellekræft (HNSCC). Defineret som tilstedeværelsen af ​​metastatisk sygdom i lymfeknuder, der er klinisk uopdagelige gennem rutinemæssig billeddannelse eller fysisk undersøgelse, har okkult LNM dybtgående implikationer for behandlingsplanlægning, prognose og overordnet patientbehandling. I HNSCC er nøjagtig detektion og forudsigelse af okkult LNM afgørende, da de i væsentlig grad påvirker beslutninger vedrørende omfanget af nakkedissektion, behovet for adjuverende terapier og den overordnede terapeutiske strategi. Udiagnosticeret eller undervurderet LNM kan resultere i utilstrækkelig behandling, hvilket øger risikoen for lokoregionalt tilbagefald og dårlige overlevelsesresultater.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Okkult lymfeknudemetastase (LNM) er fortsat et af de mest kritiske og udfordrende aspekter ved håndtering af hoved- og halspladecellekræft (HNSCC). Defineret som tilstedeværelsen af ​​metastatisk sygdom i lymfeknuder, der er klinisk uopdagelige gennem rutinemæssig billeddannelse eller fysisk undersøgelse, har okkult LNM dybtgående implikationer for behandlingsplanlægning, prognose og overordnet patientbehandling. I HNSCC er nøjagtig detektion og forudsigelse af okkult LNM afgørende, da de i væsentlig grad påvirker beslutninger vedrørende omfanget af nakkedissektion, behovet for adjuverende terapier og den overordnede terapeutiske strategi. Udiagnosticeret eller undervurderet LNM kan resultere i utilstrækkelig behandling, hvilket øger risikoen for lokoregionalt tilbagefald og dårlige overlevelsesresultater.

Den komplekse biologi af HNSCC bidrager til udfordringen med at forudsige okkult LNM. Disse tumorer er ofte karakteriseret ved væsentlig heterogenitet i deres mikromiljø, omfattende en blanding af tumorceller, immuninfiltrater, stromale komponenter og vaskulatur. Denne heterogenitet spiller en central rolle i bestemmelsen af ​​det metastatiske potentiale af den primære tumor og dens interaktion med det omgivende lymfesystem. Traditionelle billeddannelsesmodaliteter såsom CT, MR og PET/CT har begrænsninger i nøjagtig identifikation af mikroskopiske metastaser, hvilket fører til den igangværende søgen efter mere følsomme og specifikke prædiktive værktøjer.

Nylige fremskridt inden for radiomik har åbnet nye veje til at tackle denne udfordring. Radiomik, et spirende felt, der udtrækker højdimensionelle data fra medicinsk billeddannelse, giver mulighed for kvantitativ analyse af tumorkarakteristika ud over, hvad der er synligt for det blotte øje. Ved at konvertere billeddata til et rigt lager af funktioner, der afspejler tumorfænotype, har radiomik potentiale til at identificere subtile mønstre forbundet med metastatisk adfærd.

Nøjagtig forudsigelse af okkult LNM har også kritisk prognostisk værdi. Patienter med uopdaget LNM står ofte over for en dårligere prognose på grund af forsinket eller utilstrækkelig behandling. Omvendt kan unødvendig profylaktisk nakkedissektion hos patienter uden metastase føre til overbehandling, øget kirurgisk morbiditet og nedsat livskvalitet. Derfor er prædiktive modeller, der kan stratificere patienter baseret på deres risiko for okkult LNM, afgørende for at tilpasse behandlingsplaner, reducere unødvendige indgreb og forbedre patientresultater.

I denne sammenhæng repræsenterer integrationen af ​​radiomik med multi-omics-data, herunder transkriptomik og enkeltcellet RNA-sekventering, en transformativ tilgang. Denne integrative strategi forbedrer ikke kun radiomikmodellernes forudsigelsesevne, men giver også et vindue til de biologiske processer, der ligger til grund for tumoradfærd. Ved at forbinde billeddannelses-afledte funktioner til molekylære og cellulære veje, kan sådanne tilgange hjælpe med at bygge bro mellem billeddannelsesfænotyper og den komplekse biologi af metastaser.

Sammenfattende udgør okkult LNM en formidabel udfordring i den kliniske håndtering af HNSCC, med betydelige implikationer for behandling og prognose. Fremkomsten af ​​avancerede radiomiksteknikker, især habitatradiomik, tilbyder en lovende vej til at forbedre nøjagtigheden af ​​LNM-forudsigelse. Ved at optrevle samspillet mellem tumorheterogenitet, mikromiljødynamik og metastatisk potentiale baner disse tilgange vejen for mere præcis og personlig håndtering af HNSCC-patienter.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

700

Kontakter og lokationer

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

Studiesteder

      • Chongqing, Kina
        • The First Affiliated Hospital of Chongqing Medical University

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

Ingen

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Alle patienter med patologisk bekræftet larynxcarcinom mellem januar 2016 og december 2024 fra tre hospitaler blev indsamlet og inddelt i forskellige testgrupper.

Beskrivelse

Inklusionskriterier:

  1. Tilgængelighed af komplette kliniske data;
  2. Diagnose af larynx pladecellekarcinom bekræftet ved kirurgi eller biopsi;
  3. CT-kontrastforstærket undersøgelse udført inden for to uger før operationen.
  4. Alle patienter gennemgik halslymfeknudedissektion.

Ekskluderingskriterier:

  1. Patienter, der modtog andre behandlinger før operationen;
  2. CT-billeder med væsentlige artefakter;
  3. Patienter med tumortilbagefald.

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
Træningssæt
Træningssættet omfattede ca. 500 cN0-patienter diagnosticeret med hoved- og halspladecellekarcinom (HNSCC), herunder ca. 150 patienter med lymfeknudemetastase og ca. 350 patienter uden metastase. Alle patienter gennemgik præoperative kontrastforstærkede CT-scanninger.
Brug af kunstig intelligens-modeller til at skelne mellem patienter med lymfeknudemetastase og dem uden lymfeknudemetastase.
internt testsæt
Det interne valideringssæt omfattede cirka 150 patienter, tilfældigt udvalgt fra træningskohorten. Dette sæt blev brugt til modelevaluering og tuning.
Brug af kunstig intelligens-modeller til at skelne mellem patienter med lymfeknudemetastase og dem uden lymfeknudemetastase.
eksternt testsæt
Det eksterne valideringssæt bestod af ca. 200 patienter med HNSCC. Disse patienter blev indskrevet fra andre centre, og deres data inkluderede præoperative kontrastforstærkede CT-billeder. Dette uafhængige datasæt blev brugt til at vurdere radiomikmodellens generaliserbarhed.
Brug af kunstig intelligens-modeller til at skelne mellem patienter med lymfeknudemetastase og dem uden lymfeknudemetastase.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AUC
Tidsramme: Forudsigelsesresultaterne kan opnås umiddelbart efter, at modellen er færdig med behandlingen.
AUC (Area Under the Curve) er en præstationsmåling, der bruges i klassifikationsopgaver til at evaluere en models evne til at skelne mellem klasser. Specifikt måler den arealet under Receiver Operating Characteristic (ROC) kurven, som plotter den sande positive rate (sensitivitet) mod den falsk positive rate (1-specificitet) ved forskellige tærskelindstillinger.
Forudsigelsesresultaterne kan opnås umiddelbart efter, at modellen er færdig med behandlingen.

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. november 2024

Primær færdiggørelse (Faktiske)

15. april 2025

Studieafslutning (Faktiske)

15. april 2025

Datoer for studieregistrering

Først indsendt

27. december 2024

Først indsendt, der opfyldte QC-kriterier

27. december 2024

Først opslået (Faktiske)

3. januar 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

28. maj 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

27. maj 2025

Sidst verificeret

1. maj 2025

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • 2024-Chenxin

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 .

Kliniske forsøg med HNSCC

Kliniske forsøg med AI

Abonner