Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Desarrollo de un modelo predictivo para la metástasis peritoneal del cáncer gástrico y la caquexia utilizando datos de Bub1 y radiopatomics con aprendizaje profundo (BUDDLE)

27 de febrero de 2025 actualizado por: Qun Zhao
Este ensayo clínico tiene como objetivo desarrollar un modelo predictivo para la metástasis peritoneal y la caquexia predictiva para el cáncer gástrico (GC) mediante la integración de datos del gen BUB1 con datos radiológicos y patológicos utilizando técnicas avanzadas de aprendizaje profundo. El estudio se centrará en utilizar la genómica de imágenes (Radiomics) y los datos histopatológicos para identificar biomarcadores tempranos para metástasis peritoneal y caquexia en pacientes con GC. Al aprovechar los algoritmos de aprendizaje profundo, el proyecto busca mejorar la precisión y confiabilidad de las predicciones, permitiendo la intervención anterior y las estrategias de tratamiento personalizadas. El objetivo final es mejorar la toma de decisiones clínicas y la predicción de pronóstico en pacientes con GC con metástasis peritoneal y caquexia.

Descripción general del estudio

Descripción detallada

El cáncer gástrico (GC) es una de las neoplasias malignas más comunes y agresivas, con metástasis peritoneal y caquexia que contribuye significativamente a su mal pronóstico. El gen Bub1 se ha implicado en la inestabilidad cromosómica y la progresión de GC, pero su papel en la metástasis peritoneal y la caquexia sigue sin estar claro. Este ensayo clínico tiene como objetivo explorar el potencial de integrar la expresión del gen BUB1 con imágenes y datos patológicos para desarrollar un modelo predictivo para la progresión de GC.

El estudio recopilará datos completos de pacientes con GC, incluidos los perfiles genómicos (expresión del gen Bub1), imágenes radiológicas (tomografías computarizadas/resonantes de resonancia magnética) y hallazgos histopatológicos. El análisis avanzado de Radiomics extraerá características cuantitativas de los datos de imágenes, mientras que los datos patológicos se analizarán en busca de marcadores histológicos relevantes. El conjunto de datos combinado se alimentará en un modelo de aprendizaje profundo para identificar patrones asociados con metástasis peritoneal y caquexia, centrándose en la identificación de biomarcadores tempranos.

El modelo de aprendizaje profundo se someterá a capacitación y validación iterativa utilizando datos de pacientes retrospectivos y prospectivos. El punto final principal del ensayo es evaluar la precisión predictiva del modelo para la metástasis peritoneal y el desarrollo de caquexia, mientras que los puntos finales secundarios incluyen su potencial para informar estrategias de tratamiento personalizadas, mejorar las tasas de supervivencia y guiar la toma de decisiones clínicas.

Este estudio también investigará la correlación entre la expresión de BUB1 y las características de radiopatomics en GC, proporcionando información sobre los mecanismos subyacentes que impulsan la metástasis peritoneal y la caquexia. Los resultados tienen como objetivo establecer una herramienta predictiva sólida y clínicamente aplicable que pueda integrarse en la práctica clínica actual para mejores resultados del paciente.

Tipo de estudio

De observación

Inscripción (Estimado)

500

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

N/A

Método de muestreo

Muestra de probabilidad

Población de estudio

La población de estudio consistirá en pacientes adultos diagnosticados con cáncer gástrico (GC) en varias etapas de la enfermedad. Los pacientes serán seleccionados en función de la presencia de factores de riesgo de metástasis peritoneal y/o caquexia, que se evaluarán mediante evaluaciones clínicas, imágenes (TC/MRI) y examen histopatológico. Los participantes serán reclutados de una cohorte de pacientes con GC que tengan datos genómicos, radiológicos y patológicos disponibles, que son esenciales para capacitar al modelo predictivo.

El estudio se centrará en pacientes con un amplio espectro de manifestaciones de GC, incluidas las etapas tempranas y avanzadas, para garantizar que el modelo sea aplicable en diferentes perfiles de enfermedades. Esta población diversa ayudará a evaluar la robustez y la generalización del modelo para predecir la metástasis peritoneal y la caquexia, con el objetivo de una representación integral de la progresión de GC.

Descripción

Criterios de inclusión:

Los adultos de entre 18 y 75 años diagnosticados con cáncer gástrico (GC) en cualquier etapa. GC confirmado histopatológicamente con datos radiológicos (CT/MRI) y patológicos disponibles (muestras de biopsia).

Pacientes con o en riesgo de metástasis peritoneal y/o caquexia, según lo determinado por la evaluación clínica y las imágenes.

Capacidad para proporcionar consentimiento informado y cumplir con los protocolos de estudio. La voluntad de someterse a imágenes de seguimiento regulares y evaluación clínica durante la duración del estudio.

Criterios de exclusión:

Pacientes con otros cánceres primarios o comorbilidades graves (por ejemplo, enfermedad cardiovascular grave, diabetes no controlada).

Mujeres embarazadas o lactantes. Pacientes con contraindicaciones a resonancia magnética o tomografía computarizada. Aquellos con datos clínicos insuficientes (por ejemplo, información radiopatológica faltante) para el entrenamiento modelo.

Los pacientes que no pueden o no están dispuestos a cumplir con el protocolo de estudio, incluidas las visitas de seguimiento y las evaluaciones.

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Periodo de tiempo
Precisión predictiva del modelo de aprendizaje profundo integrado en BUB1 para el cáncer gástrico metástasis peritoneal y caquexia
Periodo de tiempo: 12 meses para capacitación modelo, validación y aplicación clínica inicial
12 meses para capacitación modelo, validación y aplicación clínica inicial

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Estimado)

1 de marzo de 2025

Finalización primaria (Estimado)

1 de marzo de 2027

Finalización del estudio (Estimado)

1 de marzo de 2027

Fechas de registro del estudio

Enviado por primera vez

27 de febrero de 2025

Primero enviado que cumplió con los criterios de control de calidad

27 de febrero de 2025

Publicado por primera vez (Actual)

25 de marzo de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

25 de marzo de 2025

Última actualización enviada que cumplió con los criterios de control de calidad

27 de febrero de 2025

Última verificación

1 de febrero de 2025

Más información

Términos relacionados con este estudio

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

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. .

Suscribir