Maksasyövän fenotyypitysrekisteri (PHELICAR)
Laajamittainen kliininen tietorekisteri (CDR) tunnistaa tarkasti tietyt kasvainfenotyypit, jotta voidaan paremmin diagnosoida ja ennustaa potilaan lopputulos HCC:ssä
Tutkimuksen yleiskatsaus
Tila
Ehdot
Yksityiskohtainen kuvaus
Tutkimus etenee kahdessa erillisessä vaiheessa.
- Vaiheessa 1 on kaksi päävaihetta: Ensimmäinen vaihe tunnistaa ainutlaatuiset kasvainfenotyypit iBiopsy-fenotyyppialustan perusteella, joka poimii kutakin yksittäistä fenotyyppiä vastaavat kuvapohjaiset allekirjoitukset ja arvioi iBiopsy-alustan analyyttisen/teknisen suorituskyvyn. Ehdotetulla suunnitelmalla täytetään puutteet analyyttisen lukeman karakterisoinnissa vaihtelevissa kuvanottoolosuhteissa ja toistovaihtelussa identtisissä analyyttisissä olosuhteissa. Kun joukko sopivia kasvainfenotyyppejä on tunnistettu, ne etenevät karakterisointivaiheeseen. Tämä tehdään arvioimalla alustava edustava tietojoukko (esim. satoja potilaita) koulutukseen (löydämiseen) ja validointiin (kestävyyden testaamiseen). Toisessa vaiheessa saatetaan päätökseen edellä mainittujen fenotyyppien alustava biologinen/kliininen validointi diagnoosia ja sairauden alatyyppiä varten. Tämä sisältää suuren tietojoukon tutkimisen (esim. tuhansia potilaita) CDR koulutusta ja validointia varten käyttämällä histopatologisia tietoja vertailustandardina ja kuvantamisen allekirjoitusten optimointia tekoälypohjaisten oppimismenetelmien avulla.
- Vaiheessa 2 on myös kaksi vaihetta. Vaiheen 2 ensimmäinen vaihe on validoida tiukasti vaiheesta 1 nousevat ehdokasfenotyypit HCC-potilaiden diagnoosia varten. Vaiheen 2 toinen vaihe on validoida nämä valitut ehdokasfenotyypit tulosten ennustamista varten. Nämä tiukat validoinnit sisältävät HCC-potilaiden suuren CDR:n (myöhäisen vaiheen biologinen/kliininen validointi).
Perinteiset lääketieteelliset kuvanhakujärjestelmät, kuten Picture Archival Systems (PACS), käyttävät kuvien hakemiseen jäsenneltyä dataa (metadata) tai jäsentelemättömiä tekstimerkintöjä (lääkäriraportit). Kuvien sisältöä ei kuitenkaan voi täysin kuvailla sanoilla ja kuvien ymmärtäminen on erilaista yksilöittäin, joten tekstipohjainen kuvanhakujärjestelmä ei voi täyttää massiivisen kuvien haun vaatimuksia. Vastauksena näihin rajoituksiin on kehitetty CBIR-järjestelmiä, jotka käyttävät kuvista poimittuja visuaalisia ominaisuuksia avainsanojen sijaan. Näiden CBIR:ien tärkeä ja hyödyllinen tulos on mahdollisuus kattaa semanttinen aukko, jolloin käyttäjät voivat etsiä kuvavarastosta korkean tason kuvaominaisuuksia, jotka mahdollistavat suoraan kyselyn lääketieteellisestä kuvasta poimittujen kuvapohjaisten fenotyyppiallekirjoitusten täsmäyttämisen indeksoitujen fenotyyppiallekirjoitusten kanssa. rekisterissä.
Median Technologies CBIR -järjestelmä käyttää patentoituja algoritmeja ja prosesseja kuvien dekoodaamiseen poimimalla automaattisesti satoja kuvantamisominaisuuksia sekä erittäin kompakteja allekirjoituksia kymmenistä tuhansista 3D-kuvakorjauksista, jotka on laskettu koko kuvassa ilman edeltävää segmentointia. Yksityiskohtaisten fenotyyppiprofiilien lisäksi, jotka voidaan korreloida histopatologian sekä genomisen ja plasman profiilien kanssa, järjestelmä luo ainutlaatuisen allekirjoituksen jokaiselle laatalle, joka tarjoaa sormenjäljen vastaavan kudoksen "kuvapohjaisesta fenotyypistä". Massiivisissa rinnakkaisissa laskentamenetelmissä kuvantamisen biomarkkerit ja fenotyyppiallekirjoitukset erotetaan kohdekuvasta, ja ne järjestetään sitten samankaltaisten allekirjoitusten ryhmiin ja indeksoidaan reaaliaikaista hakua ja hakua varten skeemattomiin (NoSQL) tietokantoihin.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Ile De France
-
Paris, Ile De France, Ranska, 75013
- Assistance Publique - Hôpitaux de Paris (AP-HP) Groupe Hospitalier La Pitié-Salpêtrière
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
Potilaat, joilla on visuaalinen maksasairaus, jotka:
- Tehkää leesio visualisoimiseksi CT-/magneettikuvauksella histologisella vahvistuksella (kirurginen resektio, biopsia, siirto).
- CT-skannauksella / magneettikuvauksella, joka tehdään 6 kuukauden sisällä ennen biopsiaa, kirurgista tai elinsiirtoa.
Poissulkemiskriteerit:
- Potilaat, joille tehtiin CT-skannaukset/magneettikuvaukset yli 6 kuukautta ennen leikkausta
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
potilas, jolla on hepatosellulaarinen karsinooma
Fenotyyppiallekirjoitustietokannan rakentaminen Kuvassa on poiminta ja klusterointi
|
Paikalliseen sisältöön perustuvaan kuvaominaisuuksien poimimiseen vaadittavat kuvankäsittelytoiminnot koostuvat kahdesta päätehtävästä: 1) kuvien laatoitus pienempiin VOI-alueisiin, tyypillisesti pieneen kuutioon, jonka koko riippuu modaalisuudesta, kuvan resoluutiosta ja käyttötarkoituksesta. sisältöpohjainen kysely ja 2) toimintojen poimintatoimintojen suorittaminen VOI:ille. Feature Extraction Engine suorittaa täysin valvomattomia, automaattisia ja asynkronisia ominaisuuksia kuvista, järjestää ja indeksoi ne ei-SQL-tietokantaan ainutlaatuisen samankaltaisuusmetriikan perusteella. Tämän vaiheen tulokset ovat sarja fenotyyppien allekirjoitusten klustereita.
Koska klusterit organisoituvat itsestään, niiden patofysiologinen merkitys ei ole helposti ilmeinen ja vaatii lisäanalyysiä.
Kunkin klusterin karakterisointi suoritetaan analysoimalla edustavia näytteitä ja niiden vastaavaa korrelaatiota histopatologisten tulosten kanssa.
Sarjan iteraatioiden jälkeen klusterit järjestetään korreloimaan erilaisten kudosalatyyppien kanssa, jotka tunnistetaan niiden allekirjoituksen samankaltaisuuden perusteella.
Lopullista klusterien lukumäärää ei tiedetä etukäteen, ja se riippuu taustalla olevien kuvantamisfenotyyppien heterogeenisyydestä.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Spesifiset kasvaimen fenotyypit
Aikaikkuna: 2 vuotta
|
tunnistaa tarkasti spesifiset kasvaimen fenotyypit, jotta voidaan paremmin diagnosoida ja ennustaa potilaan lopputulos hepatosellulaarisessa karsinoomassa
|
2 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Hepatosellulaarinen karsinooman havaitseminen ja karakterisointi
Aikaikkuna: 2 vuotta
|
toimittaa yhden tai useamman tarkoitukseen sopivan ei-invasiiviseen kuvantamiseen perustuvan menetelmän hepatosellulaarisen karsinooman esiintymisen, aktiivisuuden ja tyypin arvioimiseksi kliinisessä käytännössä
|
2 vuotta
|
|
Toistettavuus ja toistettavuus
Aikaikkuna: 2 vuotta
|
Fenotyyppien kestävyyden testaus toistettavuus- ja uusittavuustutkimuksilla
|
2 vuotta
|
|
Kuvantamisen fenotyyppien pätevyys
Aikaikkuna: 2 vuotta
|
: kuvantamisfenotyyppien pätevyys taustalla olevaan patofysiologiaan ja kliiniseen lopputulokseen
|
2 vuotta
|
|
Pienen vaurion havaitseminen ja karakterisointi
Aikaikkuna: 2 vuotta
|
Kuvaus: toimita yksi tai useampi tarkoitukseen sopiva ei-invasiiviseen kuvantamiseen perustuva menetelmä pienten leesioiden (< 2 cm) havaitsemiseksi ja karakterisoimiseksi (AUC 0,8)
|
2 vuotta
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Päätutkija: Olivier Lucidarme, MD, Assitance publique - Hôpitaux de Paris
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
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
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- APHP191046
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 .