BCIG:n koneoppimiseen perustuva kuvantamisen genomiikka kliininen tutkimus
Koneoppimiseen perustuva kliininen tutkimus kuvantamisgenomiikasta rintasyövän molekyylityypitykseen ja riskien ennustamiseen (BCIG)
- Tunnista rintasyövän kuvantamispiirteet eri molekyylityypeillä
- Selvitä yhteys hormonireseptoripositiivisen/HER2-negatiivisen rintasyövän ja kuvantamishistologian, onkotyyppi Dx:n uusiutumispisteiden välillä
- Yhdistä genomiikka ja kuvantaminen luodaksesi ennustusmallin HER2-positiivisen rintasyövän kohdennetun hoidon herkkyydelle
- Luoda kuvantamisen genomiikan ennustemalli kolminkertaisesti negatiivisille rintasyövän molekyylialatyypeille ja selvittää kunkin alatyypin terapeuttisten kohteiden kuvantamisen genomiikan ominaisuuksia
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Tutkimus suunnittelu
- Rintasyövän molekyylityypityksen tutkimus kuvantamisominaisuuksien perusteella
- Luo Luminal-rintasyövän uusiutumisriskin ennustemalli
- Luo HER2-kohdennettu hoidon herkkyysennustemalli
- TNBC-molekyylialatyypin ennustemallin luominen Tutkimusmenetelmät Tutkimuskohde Tässä tutkimuksessa käytettiin monikeskustutkimusta rintasyöpäpotilaiden, joilla oli diagnosoitu patologia, ottamiseksi mukaan. Kaikilla potilailla oli täydelliset kliiniset tiedot, mukaan lukien demografiset ominaisuudet (sukupuoli, ikä, kuukautiset ja hedelmällisyyshistoria) ja patologiset tiedot (histopatologiset tiedot). Vaihe, immunohistokemiallinen tila ja FISH, geneettinen testaus tallentaa uusiutumispisteet ja genotyypin, kuvantamistiedot, täydellisen hoidon ja seurannan (onko paikallista uusiutumista ja etäpesäkkeitä ja diagnoosin ajankohta).
Magneettiresonanssitutkimus Kuvien vertailukelpoisuuden säilyttämiseksi ja systemaattisten virheiden vähentämiseksi jokainen keskus valitsee skannaukseen kiinteän MR-laitteen. Heidän joukossaan a. Syöpäsairaala valitsi kuvien skannaamisen 3.0T (Siemens Skyra) MR-laitteilla. Erityistä rintakierukkaa käytetään lisäämään teräväpiirto diffuusiopainotettu skannaus ja moni-b-arvoinen diffuusiopainotettu skannaus ennen dynaamista parannusskannausta. Dynaamisesti paranneltu 5-vaiheinen kuvaus 65 sekunnin aikaresoluutiolla. b. Renjin sairaalassa käytetään hollantilaista Philips Achieva 3.0 T -suprajohtavaa MR-skanneria, 4-kanavaista erillistä rintojen vaiheistettua ryhmäkäämiä. Skannaussekvenssejä ovat T1WI, T2WI, T2WI rasvan suppressio, DWI ja DCE-MRI. Varjoaine oli Gd-DTPA, jonka annos oli 0,1 mmol/kg, injektionopeus 2,0 ml/s, ja vielä 20 ml suolaliuosta lisättiin putkeen injektion jälkeen. T1WI-skannaus suoritettiin ensin, ja 5 aikavaihetta skannattiin jatkuvasti varjoaineen injektion jälkeen, ja jokaista aikavaihetta erotti 61 sekuntia, yhteensä 6 aikavaihetta. c. Kiinalaiset naiset ja vauvat skannataan 1,5T SIEMENS AERA MR -laitteilla ja erityisillä rintakierukoilla. Skannaussekvenssi sisältää 5 vaihetta T1WI, T2WI rasvanpoisto, DWI ja dynaaminen tehostusskannaus, aikaresoluutio 71s.
Kuvankäsittely Ohjelmiston avulla voit tehdä puoliautomaattisia ja automaattisia ääriviivoja kasvaimen kiinnostusalueelle ja tehdä kasvaimen kiinteän vahvistusosan, koko kasvainalueen ja ympäröivän turvotusalueen ääriviivat poikittaisasentoon. Jotta kasvain voidaan rajata tarkasti, verrata T1- ja T2-painotettuja ja dynaamisesti tehostettuja kuvia, vastuussa on kaksi kuvantamislääkäriä, joista toinen vastaa rajaamisesta ja toinen tarkastellaan, ja kiistanalainen alue määritetään kolmannen henkilön keskustelun jälkeen. Luo dynaaminen parannettu kasvainrakenteen analyysiohjelma, joka poimii automaattisesti kuvantamisen omiikkapiirteitä kiinnostavalta alueelta. Merkittyä tietojoukkoa käyttämällä muodostetaan koneoppimiseen perustuva tietokonepohjainen automaattinen segmentointialgoritmimalli poimimaan automaattisesti kiinnostavat alueet, ja segmentoinnin suorituskyvyn arviointi suoritetaan manuaalisesti rajatuille tarroille.
Tilastollinen analyysi Suorita tilastollinen analyysi saaduista kuvista ja kliinisistä tiedoista, poimi kuvan omiikkaominaisuudet ja käytä koneoppimisalgoritmeja tärkeiden ominaisuuksien seulomiseen. Käytä tilastotyökaluja, kuten SPSS ja R-kieli. Paritettua t-testiä (jatkuva muuttuja) ja khin neliötestiä (epäjatkuva muuttuja) käytettiin vertaamaan potilaiden kliinisiä ja kuvantamisominaisuuksia, joilla oli erilainen ennuste; korrelaatioanalyysiä käytettiin arvioimaan kuvantamisen histologisia ominaisuuksia ja erilaisia patologisia kudosasteita, korrelaatiota imusolmukkeiden etäpesäkkeiden ja spesifisen geeniekspression välillä; käytä Kaplan-Meierin eloonjäämiskäyrää analysoimaan ennusteeroa potilaiden välillä, joilla on erilaiset kuvantamisomiikkaominaisuudet, ja käytä log-rank-menetelmää eron testaamiseen; käytä coxin eloonjäämismallia kliinisten ominaisuuksien ja kuvantamisen omiikan vertaamiseen Potilaiden ominaisuuksia ja ennustetta (kasvainton eloonjääminen, etenemisvapaa eloonjääminen, kokonaiseloonjääminen) analysoitiin useiden tekijöiden perusteella. Lisäksi syväoppimisalgoritmeja voidaan käyttää automaattisesti oppimaan kuvantamisen omiikkapiirteitä, jotka voivat liittyä molekyylien alatyyppeihin ja ennusteeseen ennustemallien rakentamiseksi.
Opintotyyppi
Ilmoittautuminen (Odotettu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Gu Ya Jia
- Puhelinnumero: 86-18017317817
- Sähköposti: guyajia@126.com
Opiskelupaikat
-
-
Shanghai
-
Shanghai, Shanghai, Kiina, 200032
- Fudan University Shanghai Cancer Center
-
Ottaa yhteyttä:
- Gu Ya Jia
- Puhelinnumero: 86-18017312040
- Sähköposti: guyajia@126.com
-
Päätutkija:
- Hua jia
-
Päätutkija:
- Qian zhaoxia
-
Päätutkija:
- Wang he
-
Alatutkija:
- You chao
-
Alatutkija:
- Zhuang zhiguo
-
Alatutkija:
- Jiang ling
-
Alatutkija:
- Zheng rencheng
-
Alatutkija:
- Xiao qin
-
Alatutkija:
- Chen yanqiong
-
Alatutkija:
- Hu xiaoxin
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Rintasyövän patologinen ja immunohistokemiallinen diagnoosi biopsialla
- Ei MRI-vasta-aiheita eikä biopsiaa ennen magneettikuvausta
- Ilman sädehoitoa ja kemoterapiaa ennen ilmoittautumista
Poissulkemiskriteerit:
- Ne, joilla on aiemmin ollut rintasyövän leikkausta, hormonikorvaushoitoa ja rintakehän sädehoitoa
- Potilaat, joilla on vakavia sairauksia, jotka eivät voi osallistua tutkimukseen
- Ihmiset, joilla on vasta-aiheita magneettikuvaukseen
- Tutkijat uskovat, että muut olosuhteet eivät sovellu rintojen MRI-tutkimukseen
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Luminaalinen
Luminaalinen A：ER+ ja/tai PR+, HER2- Luminaalinen B: ER+ ja/tai PR+, HER2+ * ER: estrogeenireseptori PR: progesteronireseptori HER2: ihmisen epidermalgrowth factor -reseptori-2 |
Paikallinen leikkaus, sädehoito ja systeeminen hoito, kuten kemoterapia, endokriininen ja molekyylikohdistus.
|
|
HER2:n yli-ilmentyminen
ER- PR-,HER2+ * ER: estrogeenireseptori PR: progesteronireseptori HER2: ihmisen epidermalgrowth factor -reseptori-2 |
Paikallinen leikkaus, sädehoito ja systeeminen hoito, kuten kemoterapia, endokriininen ja molekyylikohdistus.
|
|
Kolminkertainen negatiivinen
ER- PR-,HER2- * ER: estrogeenireseptori PR: progesteronireseptori HER2: ihmisen epidermalgrowth factor -reseptori-2 |
Paikallinen leikkaus, sädehoito ja systeeminen hoito, kuten kemoterapia, endokriininen ja molekyylikohdistus.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kuvan ennustemalli erilaisista molekyylityypeistä
Aikaikkuna: 30. joulukuuta, 2022----30. joulukuuta, 2023
|
|
30. joulukuuta, 2022----30. joulukuuta, 2023
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Gu Ya Jia, Fudan University
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Odotettu)
Ensisijainen valmistuminen (Odotettu)
Opintojen valmistuminen (Odotettu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- BCIG
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .