Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

MRI-Driven Precision Typing and Response Prediction in Luminal Breast Cancer

8. Juli 2026 aktualisiert von: Yajia Gu, MD, Fudan University

MRI-driven Multiomics Research on Precise Typing and Response Prediction of Luminal Breast Cancer

Luminal breast cancer is characterized by marked heterogeneity, resulting in diverse treatment responses and long-term outcomes. This project aims to integrate MRI and multiomics data to achieve non-invasive molecular typing and precise response prediction. By linking imaging phenotypes with underlying molecular and pathological characteristics, the investigators will develop predictive models for treatment resistance, recurrence, and metastasis, ultimately supporting personalized treatment strategies and precision oncology.

Studienübersicht

Status

Aktiv, nicht rekrutierend

Bedingungen

Detaillierte Beschreibung

Luminal breast cancer represents the most common type of breast cancer, characterized by its intricate tumor heterogeneity that poses a significant challenge in clinical management due to resistance to endocrine therapy and high risk of long-term recurrence. It is significant for the accurate prediction of molecular subtypes and treatment response for luminal breast cancer. Our team has previously identified four molecular subtypes and seven pivotal molecules associated with luminal breast cancer utilizing multiomics techniques. The investigators posit that the integration of MRI-driven multiomics studies holds promise in achieving precise typing and response prediction for luminal breast cancer. This project intends to use multiomics molecular subtypes and key molecules as the gold standard to extract comprehensive quantitative features from diverse regions and levels utilizing MRI, thus facilitating non-invasive diagnosis. Additionally, our approach involves correlating MRI data with multiomics information to unveil the biological significance of imaging models at both pathological and molecular levels. Finally, the investigators aim to construct response prediction models through the fusion of multi-temporal MRI features and multiomics data across various scales, enabling precise forecasts of treatment resistance, recurrence, and metastasis. This initiative aims to enhance treatment decision-making and promote application transformation. This study will include a large-scale real-world retrospective and prospective population to validate and improve the effectiveness of model.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

2000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • China
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, China, 200032
        • Fudan University Shanghai Cancer Center

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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Patients with invasive luminal breast cancer (HR+/HER2-)

Beschreibung

Inclusion Criteria:

  1. Histopathologically confirmed invasive luminal breast cancer (HR+/HER2-);
  2. Patients who underwent breast MRI examination.

Exclusion Criteria:

  1. Pathological biopsy performed prior to the baseline MRI examination;
  2. Patients have received any form of prior treatment for the breast cancer;
  3. History of other malignancies;
  4. Incomplete or poor-quality MRI and/or pathological images;
  5. Missing clinical data.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Diagnostic performance of breast MRI for molecular subtyping of luminal breast cancer, with comparison to multiomics
Zeitfenster: 1 year
The primary outcome is the diagnostic performance of AI-assisted analysis for molecular subtyping of luminal breast cancer on contrast-enhanced breast MRI. Quantitative radiomic features and deep learning features are extracted from DCE-MRI, followed by classification into multiomics-defined molecular subtypes. Performance metrics include sensitivity, specificity, positive predictive value, negative predictive value, accuracy, and area under the receiver operating characteristic curve (AUC). Participants must have undergone both breast MRI and multiomics profiling of tumor tissue. Performance metrics will be compared with those obtained from multiomics classification within the same participants to evaluate the relative diagnostic performance.
1 year

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Predictive Performance of Multiomics Model for Pathological Complete Response (pCR) in Luminal Breast Cancer
Zeitfenster: 1 years
The model integrates multiomics data, including breast MRI, pathological features, and other relevant molecular and clinical variables, to predict pathological complete response (ypT0/is ypN0) following neoadjuvant therapy in patients with luminal breast cancer. Performance metrics include sensitivity, specificity, positive predictive value, negative predictive value, accuracy, area under the receiver operating characteristic curve (AUC), C-index, and time-dependent AUC. Participants must have undergone neoadjuvant therapy with available pathological response assessment.
1 years

Andere Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Predictive Performance of Multiomics Model for Disease-Free Survival (DFS) in Luminal Breast Cancer
Zeitfenster: 5 years

The model integrates multiomics data, including breast MRI, pathological features, and other relevant molecular and clinical variables, to predict disease-free survival in luminal breast cancer, defined as time from surgery to first documented disease recurrence, distant metastasis, or death from any cause.

Performance metrics include sensitivity, specificity, positive predictive value, negative predictive value, accuracy, area under the receiver operating characteristic curve (AUC), C-index, and time-dependent AUC. Participants must have undergone surgery and completed 5 years follow-up.
5 years

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Fudan University

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)

6. Januar 2026

Primärer Abschluss (Geschätzt)

31. Dezember 2027

Studienabschluss (Geschätzt)

31. Dezember 2029

Studienanmeldedaten

Zuerst eingereicht

26. Juni 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

2. Juli 2026

Zuerst gepostet (Tatsächlich)

9. Juli 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

10. Juli 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

8. Juli 2026

Zuletzt verifiziert

1. Juli 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • 2410-Exp103-KY
  • 82430061 (Andere Zuschuss-/Finanzierungsnummer: Key Project of National Natural Science Foundation of China)

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

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 .

Klinische Studien zur HR-positiver/HER-2-negativer Brustkrebs

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Bulgaria

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

3
Abonnieren