Eine einarmige, prospektive, multizentrische Kohortenstudie auf Basis Deep-Learning-basierter cfDNA-Fragment-Omics zur Validierung des TuFEst-Modells für die Staging-Diagnose von Brustkrebsläsionen und Lymphknoten (PRO-TuFEst-LN)
5. August 2026 aktualisiert von: Second Affiliated Hospital, Zhejiang University, School of Medicine
Eine einarmige, prospektive, multizentrische Kohortenstudie basierend auf Deep-Learning-basierter cfDNA-Fragmentomik zur Verifizierung des TuFEst-Modells für die Stadiendiagnostik von Brustkrebsläsionen und Lymphknoten
Durch die Forschung in diesem Projekt erwarten wir, die auf Deep Learning basierende Flüssigbiopsie-Technologie für cfDNA-Fragment-Omik zu erreichen, die Genauigkeit des TuFEst-Modells bei der Vorhersage des Tumorlaststatus von Brustkrebsläsionen und Lymphknoten bei neu diagnostizierten Brustkrebspatientinnen und solchen, die eine neoadjuvante Therapie erhalten, zu verifizieren und eine theoretische Grundlage für die zukünftige großflächige klinische Anwendung zu schaffen.
Studienübersicht
Status
Rekrutierung
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
- Auf Basis des zuvor etablierten TuFEst-Modells wird die auf Deep Learning basierende cfDNA-Fragment-Omik-Liquid-Biopsy-Technologie genutzt, um den Tumorlaststatus von Brustkrebsläsionen und Lymphknoten vorherzusagen und so die Genauigkeit der Früherkennung von Brustkrebs zu verbessern: Diese Studie wird Blutproben von Brustkrebspatientinnen in verschiedenen Stadien sammeln und analysieren und die auf Deep Learning basierende cfDNA-Fragment-Omik-Liquid-Biopsy-Technologie verwenden, um tumorassoziierte cfDNA-Fragmente zu extrahieren und eine cfDNA-Fragment-Omik-Merkmalsbibliothek zu erstellen. Vorhersagen werden auf Basis des TuFEst-Modells getroffen. Anschließend werden Genauigkeitsabgleich und Bewertung gemäß den Vorhersageergebnissen und dem tatsächlichen Tumorlaststatus von Brustkrebsläsionen und Lymphknoten durchgeführt. Die Wirksamkeit des TuFEst-Modells in der Stadien-Diagnostik von Brustkrebs wird verifiziert.
- Die Sensitivität, Spezifität, Genauigkeit und Reproduzierbarkeit des TuFEst-Modells zu bewerten, um dessen Zuverlässigkeit in der klinischen Anwendung zu bestimmen: Diese Studie wird auf Basis der vorherigen retrospektiven Kohorte eine größere Anzahl von Blutproben von Brustkrebspatientinnen sammeln, um die Leistung des Modells in einer größeren prospektiven Kohorte zu beurteilen. Diese Studie wird auch die Anwendung dieser Technologie im Monitoring der neoadjuvanten Therapie bei Brustkrebs untersuchen, insbesondere deren Anwendung in der Stadien-Diagnostik nach der Behandlung, der Vorhersage von Behandlungseffekten und dem Monitoring von Tumorrezidiven bewerten.
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
400
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienkontakt
- Name: Chao Ni
- Telefonnummer: +8613989463951
- E-Mail: drnichao@zju.edu.cn
Studienorte
-
-
Zhejiang
-
Hangzhou, Zhejiang, China
- Rekrutierung
- Second affiliated hospital of Medical school, Zhejiang university
-
Kontakt:
- Yao Dr
- Telefonnummer: +8613989463951
- E-Mail: drnichao@zju.edu.cn
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Patienten, die vom Tag der ethischen Genehmigung bis zum 31. Dezember 2027 am Zweiten Affiliierten Krankenhaus der Medizinischen Fakultät der Zhejiang-Universität (andere Zentren) behandelt wurden
Beschreibung
Einschlusskriterien:
- Patienten im Alter von 18 bis 70 Jahren;
- Direkte Chirurgiegruppe (Kohorte 1): Radikale Operation wurde ohne neoadjuvante Therapie durchgeführt;
- Neoadjuvante Therapiegruppe (Kohorte 2): Die Erstdiagnose war invasives Brustkrebs mit bestätigter axillärer Lymphknotenmetastasierung, und der Patient war bereit, am Ende der Behandlung eine radikale Operation durchzuführen;
- Plasma von Patienten während der Behandlung kann erhalten werden;
- Bereitschaft zur Unterzeichnung der Einwilligungserklärung. -
Ausschlusskriterien:
- Schwanger oder stillend sein;
- Patienten, deren Läsionen bereits reseziert wurden;
- Innerhalb von 5 Jahren vor der Einschreibung an anderen Arten von bösartigen Tumoren mit klarer pathologischer Diagnose gelitten haben;
- Innerhalb des letzten Jahres vor der Einschreibung hatte der Patient andere bösartige Tumoren, die durch Bildgebung vermutet wurden, aber nicht durch Pathologie bestätigt wurden;
- Verdächtige Fernmetastasen in der Bildgebung oder potenzielle Lymphknotenläsionen, die durch eine Operation nicht vollständig geheilt werden können;
- In den letzten 30 Tagen eine Blutproduktinfusionsbehandlung erhalten haben. -
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
1
Invasive breast cancer patients with cT1-3N0M0 disease who have received no prior neoadjuvant therapy or radiotherapy and undergo SLNB and/or ALND for axillary evaluation.
A total of 300 participants are planned to be enrolled in Cohort 1
|
Keine Intervention: Beobachtungskohorte
|
|
2
Patients with newly diagnosed invasive breast cancer and biopsy-confirmed axillary lymph node metastasis without distant metastasis, who are scheduled to receive standard neoadjuvant systemic therapy followed by breast and axillary surgery .
Patients who complete or prematurely discontinue neoadjuvant therapy for clinical reasons but proceed to surgery are eligible.At least 100 participants are planned to be enrolled in Cohort 2.
|
Keine Intervention: Beobachtungskohorte
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Pathological axillary lymph node positivity rate among TuFEst-LN-negative patients
Zeitfenster: up to 2 weeks
|
Defined as the proportion of patients with pathological axillary lymph node positivity (pN1mi or higher) among patients predicted as negative by the locked TuFEst-LN model in Cohort 1. FOR = FN/(TN+FN) = 1-NPV.
|
up to 2 weeks
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Negative Predictive Value (NPV) of the TuFEst-LN Model
Zeitfenster: 2 weeks
|
The proportion of patients with negative pathological axillary lymph node status (pN0 or pN0(i+)) among patients classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Sensitivity and False Negative Rate (FNR) for Detecting Pathological Axillary Lymph Node Positivity
Zeitfenster: 2 weeks
|
The ability of the locked TuFEst-LN model to identify patients with pathological axillary lymph node metastasis (pN1mi or higher).
FNR is defined as 1-sensitivity.
|
2 weeks
|
|
Specificity of the TuFEst-LN Model
Zeitfenster: 2 weeks
|
The proportion of patients with true pathological node-negative status (pN0 or pN0(i+)) who are correctly classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Positive Predictive Value (PPV), Overall Accuracy, and Discrimination Performance
Zeitfenster: 2 weeks
|
Evaluation of the predictive performance of the locked TuFEst-LN model, including PPV, overall accuracy, area under the receiver operating characteristic curve (ROC-AUC), area under the precision-recall curve (PR-AUC), and likelihood ratios.
|
2 weeks
|
|
Proportion of Patients Classified as Negative by the TuFEst-LN Model
Zeitfenster: 2 weeks
|
The proportion of evaluable patients in Cohort 1 who are classified as negative by the locked TuFEst-LN model, used to estimate the potential rate of sentinel lymph node biopsy (SLNB) omission.
|
2 weeks
|
|
Calibration and Net Clinical Benefit of the TuFEst-LN Model
Zeitfenster: 2 weeks
|
Assessment of model calibration and clinical utility using Brier score, calibration intercept, calibration slope, calibration curve, and decision curve analysis.
|
2 weeks
|
|
Pathological Burden of Missed Positive Cases
Zeitfenster: 2 weeks
|
Evaluation of pathological characteristics among false-negative patients, including the number of micrometastatic and macrometastatic lymph node cases, extranodal extension, and other adverse pathological features.
|
2 weeks
|
Andere Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Predictive Performance of the TuFEst-LN Model for ypN Status
Zeitfenster: 2 weeks
|
Using final surgical pathology as the reference standard, the predictive performance of the TuFEst-LN model for post-neoadjuvant pathological axillary lymph node status (ypN) will be evaluated, including area under the receiver operating characteristic curve (ROC-AUC), sensitivity, specificity, negative predictive value (NPV), positive predictive value (PPV), and calibration performance.
|
2 weeks
|
|
Predictive Performance of Preoperative MRI for ypN Status
Zeitfenster: 2 weeks
|
Evaluation of the ability of preoperative magnetic resonance imaging (MRI) clinical and quantitative imaging features after neoadjuvant therapy to predict residual pathological axillary lymph node status (ypN0 versus ypN-positive).
|
2 weeks
|
|
Performance of Combined cfDNA Fragmentomics and MRI Model
Zeitfenster: 2 weeks
|
Evaluation of the incremental value of integrating TuFEst-LN cfDNA fragmentomic features with MRI-based prediction models by comparing changes in ROC-AUC, Brier score, calibration performance, and decision curve analysis.
|
2 weeks
|
|
Changes in cfDNA Fragmentomic Features From T0 to T1
Zeitfenster: 2 weeks
|
Exploration of the association between longitudinal changes in cfDNA fragmentomic scores or features before and after neoadjuvant therapy and pathological outcomes, including ypN status, breast pathological complete response (pCR), residual cancer burden (RCB), and residual tumor burden.
|
2 weeks
|
|
Exploratory Subgroup Analysis
Zeitfenster: 2 weeks
|
Exploration of the predictive performance of the TuFEst-LN model across clinically relevant subgroups, including molecular subtype, treatment regimen, and baseline lymph node burden.
|
2 weeks
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- Gentilini OD, Botteri E, Sangalli C, Galimberti V, Porpiglia M, Agresti R, Luini A, Viale G, Cassano E, Peradze N, Toesca A, Massari G, Sacchini V, Munzone E, Leonardi MC, Cattadori F, Di Micco R, Esposito E, Sgarella A, Cattaneo S, Busani M, Dessena M, Bianchi A, Cretella E, Ripoll Orts F, Mueller M, Tinterri C, Chahuan Manzur BJ, Benedetto C, Veronesi P; SOUND Trial Group. Sentinel Lymph Node Biopsy vs No Axillary Surgery in Patients With Small Breast Cancer and Negative Results on Ultrasonography of Axillary Lymph Nodes: The SOUND Randomized Clinical Trial. JAMA Oncol. 2023 Nov 1;9(11):1557-1564. doi: 10.1001/jamaoncol.2023.3759.
- Bruhm DC, Vulpescu NA, Foda ZH, Phallen J, Scharpf RB, Velculescu VE. Genomic and fragmentomic landscapes of cell-free DNA for early cancer detection. Nat Rev Cancer. 2025 May;25(5):341-358. doi: 10.1038/s41568-025-00795-x. Epub 2025 Mar 4.
- Reimer T, Stachs A, Veselinovic K, Kuhn T, Heil J, Polata S, Marme F, Muller T, Hildebrandt G, Krug D, Ataseven B, Reitsamer R, Ruth S, Denkert C, Bekes I, Zahm DM, Thill M, Golatta M, Holtschmidt J, Knauer M, Nekljudova V, Loibl S, Gerber B. Axillary Surgery in Breast Cancer - Primary Results of the INSEMA Trial. N Engl J Med. 2025 Mar 13;392(11):1051-1064. doi: 10.1056/NEJMoa2412063. Epub 2024 Dec 12.
- Zhu Y, Zheng S, Shao Y, Zhou J, Gu X, Shen L, Li X, Liu W, Xue W, Lu H, Zhou J, Ding J, Deng H, Chen J, Yu Z, Yao Y, Xia W, Chen W, Sun S, Wang Z, Qian T, Yu X, Liu J, Chen Y, Lin Z, Huang J, Ni C. Fragmentomic liquid biopsy enables early breast cancer detection, molecular subtyping and lymph node assessment. Nat Commun. 2026 Mar 6;17(1):2276. doi: 10.1038/s41467-026-70204-w.
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Tatsächlich)
1. August 2025
Primärer Abschluss (Geschätzt)
31. Dezember 2027
Studienabschluss (Geschätzt)
31. Dezember 2027
Studienanmeldedaten
Zuerst eingereicht
19. November 2025
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
11. Dezember 2025
Zuerst gepostet (Tatsächlich)
26. Dezember 2025
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
10. August 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
5. August 2026
Zuletzt verifiziert
1. Oktober 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2025-1028
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .