Mejora del tratamiento del glioblastoma: distinguir la progresión de la pseudoprogresión
Mejora del tratamiento del glioblastoma al distinguir la progresión de la pseudoprogresión mediante la aplicación de técnicas de aprendizaje automático a los datos clínicos de rutina
El glioblastoma es el tipo de cáncer cerebral más agresivo y conduce a una pérdida promedio de 20 años de vida, más que cualquier otro cáncer. Se toman imágenes de resonancia magnética del cerebro antes de la operación y cada pocos meses después del tratamiento para ver si el cáncer vuelve a crecer. Puede ser difícil para los médicos saber si lo que ven en estas imágenes representa un cáncer en crecimiento o un efecto secundario del tratamiento. La similitud de la apariencia de los efectos secundarios del tratamiento con el cáncer es confusa y se conoce como "pseudoprogresión" (en contraposición a la verdadera progresión del cáncer).
Si los médicos confunden la apariencia de los efectos secundarios del tratamiento con el crecimiento del cáncer, pueden pensar que el tratamiento está fallando y cambiar el tratamiento del paciente demasiado pronto o ponerlo en un ensayo clínico. Esto significa que es posible que los pacientes no reciban el tratamiento completo y que no se pueda confiar en los resultados de algunos ensayos clínicos.
El objetivo de este estudio es proporcionar a los médicos un programa informático que utilizará imágenes de resonancia magnética del cerebro que se obtienen de forma rutinaria durante el tratamiento, para ayudarlos a identificar con mayor precisión cuándo vuelve a crecer el cáncer.
Descripción general del estudio
Estado
Condiciones
Descripción detallada
El impacto de la pseudoprogresión es significativo en la atención al paciente y la investigación médica. La evidencia existente muestra que es factible utilizar los modelos de clasificación Support Vector Machine y Deep Learning para predecir la supervivencia utilizando imágenes de resonancia magnética de rutina, así como para diferenciar la progresión de la pseudoprogresión. Los investigadores desean capturar el cambio de la señal a lo largo del tiempo en imágenes de resonancia magnética de rutina utilizando mapas de respuesta paramétrica (a través de un método de registro de imágenes posoperatorio a preoperatorio de última generación que han desarrollado) y usar tales clasificadores para diferenciar la progresión de la pseudoprogresión. La investigación que proponen los investigadores es necesaria para proporcionar una solución al problema de la pseudoprogresión y ser implementada en todo el NHS de manera fácil y eficiente. Es importante destacar que esto no depende de técnicas de imagen avanzadas.
Los datos recopilados en KCH de los últimos 24 meses muestran que, incluso en un centro líder en imágenes de glioma, solo el 66 % de los pacientes tenían imágenes avanzadas (p. DSC-MRI) realizado en el momento del aumento en la mejora del contraste, es decir, posible progresión. El objetivo principal de esta investigación es utilizar datos de resonancia magnética clínica de rutina para entrenar al clasificador. Esto aumentará la utilidad del clasificador, ya que todos los centros de imágenes pueden adquirir dichos datos de resonancia magnética de rutina y, por lo tanto, el nuevo clasificador puede proporcionar una solución mucho más rentable que un clasificador alternativo que puede depender de técnicas de imágenes avanzadas.
La capacitación inicial, las pruebas y la validación cruzada de un modelo de clasificación se llevarán a cabo utilizando datos de resonancia magnética de glioblastoma obtenidos de archivos de imágenes de acceso público y del King's College Hospital (KCH), Londres. Para la validación clínica, el modelo entrenado se someterá a pruebas utilizando datos de resonancia magnética de pacientes reclutados prospectivamente.
Tipo de estudio
Inscripción (Anticipado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Thomas C Booth, Dr
- Número de teléfono: 02078489568
- Correo electrónico: thomas.booth@kcl.ac.uk
Copia de seguridad de contactos de estudio
- Nombre: Shuaib, MSc
- Correo electrónico: haris.shuaib@kcl.ac.uk
Ubicaciones de estudio
-
-
-
Brighton, Reino Unido, BN2 5BE
- Reclutamiento
- Royal Sussex County Hospital, Brighton and Sussex University Hospitals NHS Trust
-
Investigador principal:
- Ed Chandy
-
Cardiff, Reino Unido, CF14 2TL
- Reclutamiento
- Velindre Cancer Centre, Velindre University NHS Trust
-
Investigador principal:
- James Powell
-
Dundee, Reino Unido, DD1 9SY
- Reclutamiento
- Ninewells Hospital and Medical School, NHS Tayside
-
Investigador principal:
- Avinash Kanodia
-
Hull, Reino Unido, HU3 2KZ
- Reclutamiento
- Hull Royal Infirmary, Hull University Teaching Hospitals NHS Trust
-
Investigador principal:
- Chris Rowland Hill
-
Leeds, Reino Unido, LS1 3EX
- Reclutamiento
- Leeds General Infirmary, The Leeds Teaching Hospitals NHS Trust
-
Investigador principal:
- Ryan Mathew
-
London, Reino Unido, W6 8RF
- Reclutamiento
- Charing Cross Hospital, Imperial College Healthcare NHS Trust
-
London, Reino Unido, SE1 9RT
- Reclutamiento
- Guy's Hospital, Guy's and St Thomas' NHS Foundation Trust
-
Investigador principal:
- Haris Shuaib
-
London, Reino Unido, SE5 9RS
- Reclutamiento
- King's College Hospital, King's College Hospital NHS Trust
-
London, Reino Unido, WC1N 3BG
- Reclutamiento
- National Hospital for Neurology and Neurosurgery, University College London Hospitals NHS Foundation Trust
-
Investigador principal:
- Steffi Thust
-
Manchester, Reino Unido, M20 4BX
- Reclutamiento
- The Christie Hospital, The Christie NHS Foundation Trust
-
Investigador principal:
- Sean Tenant
-
Newcastle, Reino Unido, NE7 7DN
- Reclutamiento
- Newcastle upon Tyne Hospitals NHS Foundation Trust- Newcastle Freeman Hospital
-
Investigador principal:
- Joanne Lewis
-
Nottingham, Reino Unido, NG7 2UH
- Reclutamiento
- Nottingham University Hospitals NHS Trust- City Hospital
-
Plymouth, Reino Unido, PL6 8DH
- Reclutamiento
- University Hospitals Plymouth NHS Trust
-
Investigador principal:
- Mark Thurston
-
Preston, Reino Unido, PR2 9HT
- Reclutamiento
- Lancashire Teaching Hospitals NHS Foundation Trust
-
Investigador principal:
- Erica Beamount
-
Sutton, Reino Unido, SM2 5PT
- Reclutamiento
- The Royal Marsden Hospital, Royal Marsden NHS Foundation Trust
-
Investigador principal:
- Liam Welsh
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Diagnosticado con glioblastoma (grado IV de la Organización Mundial de la Salud)
- Paciente sometido al régimen de tratamiento Stupp estándar
- Haber tenido una exploración previa a la cirugía y al menos una exploración de seguimiento posterior a la quimiorradiación
Criterio de exclusión:
- Seguimiento clínico y radiológico insuficiente
- El tratamiento del paciente se desvía mucho del régimen estándar de Stupp, ya que se reclutan en ensayos de intervención y no se conoce suficiente información sobre el tratamiento del ensayo del paciente.
- Pacientes que reciben tratamiento con inhibidores de la angiogénesis como bevacizumab antes de completar el régimen de Stupp
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Grupo
- Perspectivas temporales: Futuro
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Precisión del modelo de inteligencia artificial
Periodo de tiempo: Hasta 36 meses
|
Definido por una matriz de confusión de sensibilidad y especificidad para verdaderos positivos y verdaderos negativos.
|
Hasta 36 meses
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Tasa de falla del modelo de inteligencia artificial
Periodo de tiempo: Hasta 36 meses
|
La tasa en la que la prueba no puede proporcionar un resultado (p.
debido a la mala calidad o falta de datos)
|
Hasta 36 meses
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Thomas Booth, King's College London
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Anticipado)
Finalización del estudio (Anticipado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 5.0 15/01/21
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .