Uso de técnicas de aprendizaje automático para la evaluación en serie de marcadores inflamatorios sistémicos en pacientes con cáncer de mama (INFLAMMATE)
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
En el cáncer de mama, el aumento de los niveles de neutrófilos y la disminución de los niveles de linfocitos en la sangre periférica se asocian con una peor supervivencia general (SG). En HR+, los cánceres de mama metastásicos HER2-, el NLR bajo antes del tratamiento y el recuento absoluto de linfocitos (ALC) alto antes del tratamiento se relacionaron con una mejor supervivencia libre de progresión (SSP) y SG. El desarrollo de modelos predictivos, basados en algoritmos de aprendizaje automático (ML), se ha utilizado en el pronóstico y ayuda al diagnóstico de diferentes tipos de cáncer.
Aunque las pruebas de laboratorio periódicas tienen el potencial de ser biomarcadores de cáncer de mama, aún no hay una sola prueba que proporcione la sensibilidad o especificidad adecuadas. La inteligencia artificial (IA) podría ayudar a integrar datos de múltiples pruebas para facilitar el diagnóstico. Las mejoras técnicas, como la capacidad de almacenamiento de datos, la potencia informática y mejores algoritmos, significan que ML puede procesar información clínicamente significativa a partir de datos de pruebas de laboratorio. Aún es necesario confirmar la generalización y estabilidad de los modelos, en vista de limitaciones como la ausencia de diversos tipos patológicos, cohortes pequeñas y falta de validación externa. Por tanto, un modelo competitivo también es fundamental para lograr una estratificación más precisa de los pacientes con cáncer de mama. El propósito de este estudio multicéntrico retrospectivo es evaluar sistemáticamente la capacidad de las pruebas de laboratorio para predecir el cáncer de mama y desarrollar un modelo sólido y generalizable para ayudar a identificar pacientes con cáncer de mama.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Buenos Aires, Argentina
- Pablo Mandó
-
-
-
-
Minas Gerais
-
Uberaba, Minas Gerais, Brasil
- Rosekeila Simoes Nomeline
-
-
Rio Grande do Sul
-
Porto Alegre, Rio Grande do Sul, Brasil
- Tomas Reinert
-
-
Sao Paulo
-
Barretos, Sao Paulo, Brasil
- Idam Oliveira Junior
-
Campinas, Sao Paulo, Brasil
- César Cabello
-
Ribeirão Preto, Sao Paulo, Brasil
- Daniel Guimaraes Tiezzi
-
-
-
-
Ontario
-
Toronto, Ontario, Canadá
- Vasily Giannakeas
-
-
-
-
-
Seul, Corea, república de
- Wonshik Han
-
-
-
-
-
Cairo, Egipto
- Salma Elashwah
-
-
-
-
-
Madrid, España
- Cristina Saura
-
-
-
-
-
Osaka, Japón
- Masahiro Takada
-
Tokyo, Japón, 113-8677
- Masakazu Toi
-
-
-
-
-
Mexico City, México
- Cynthia Mayte Villarreal Garza
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Pacientes mujeres con edades entre 18 y 75 años;
- Pacientes con carcinoma de mama invasivo diagnosticados por patología;
- Pacientes diagnosticados entre el 1 de enero de 2013 y el 31 de diciembre de 2018;
- Realizarse un hemograma completo antes de la intervención quirúrgica (mastectomía o cirugía conservadora de mama) o quimioterapia neoadyuvante;
Criterio de exclusión:
Presencia de trastornos hematológicos;
- Cáncer de mama bilateral;
- Masculino;
- Puntuación del estado funcional de Karnofsky < 70';
- Cáncer de mama inflamatorio y carcinoma in situ;
- Embarazo o lactancia;
- Evidencia de recurrencia local o a distancia.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Grupo I: Cáncer de mama
Todos los participantes involucrados en nuestro estudio son mujeres a las que se les diagnosticó cáncer de mama y fueron tratadas con cirugía o quimioterapia neoadyuvante desde el 1 de enero de 2013 hasta el 31 de diciembre de 2018.
|
Cirugía (mastectomía o cuadrantectomía); Quimioterapia neoadyuvante
Otros nombres:
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sobrevivencia promedio
Periodo de tiempo: Desde la fecha del diagnóstico hasta la fecha del fallecimiento, evaluado hasta 120 meses
|
Sobrevivencia promedio
|
Desde la fecha del diagnóstico hasta la fecha del fallecimiento, evaluado hasta 120 meses
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Supervivencia libre de enfermedad
Periodo de tiempo: Desde la fecha del diagnóstico hasta la fecha de la primera progresión (recurrencia local del tumor o metástasis a distancia), evaluada hasta 60 meses
|
Supervivencia libre de enfermedad
|
Desde la fecha del diagnóstico hasta la fecha de la primera progresión (recurrencia local del tumor o metástasis a distancia), evaluada hasta 60 meses
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Afonso C Nazario, PhD, University Federal of Sao Paulo
Publicaciones y enlaces útiles
Publicaciones Generales
- Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, Bray F. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin. 2021 May;71(3):209-249. doi: 10.3322/caac.21660. Epub 2021 Feb 4.
- Faria SS, Giannarelli D, Cordeiro de Lima VC, Anwar SL, Casadei C, De Giorgi U, Madonna G, Ascierto PA, Mendoza Lopez RV, Chammas R, Capone M. Development of a Prognostic Model for Early Breast Cancer Integrating Neutrophil to Lymphocyte Ratio and Clinical-Pathological Characteristics. Oncologist. 2024 Apr 4;29(4):e447-e454. doi: 10.1093/oncolo/oyad303.
- Choi E, Bahadori MT, Schuetz A, Stewart WF, Sun J. Doctor AI: Predicting Clinical Events via Recurrent Neural Networks. JMLR Workshop Conf Proc. 2016 Aug;56:301-318. Epub 2016 Dec 10.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Estimado)
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
- University of Sao Paulo
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (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.
producto fabricado y exportado desde los 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. .