- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06036381
Glioomien spatiaalinen ja ajallinen karakterisointi radioaktiivisella analyysillä (GLIO-RAD)
maanantai 1. huhtikuuta 2024 päivittänyt: Dr Archya Dasgupta, Tata Memorial Centre
Gliooma ovat tyyppisiä primaarisia aivokasvaimia, jotka syntyvät aivoissa.
Nähdään erityyppisiä glioomia, jotka luokitellaan patologisen tutkimuksen ja kehittyneiden molekyylitekniikoiden mukaan, jotka auttavat määrittämään kasvaimen aggressiivisuuden ja tulokset.
Tekoäly käyttää kehittynyttä analyyttistä prosessia tietokoneen avulla, joka voidaan suorittaa lääketieteellisillä kuvilla.
Aiomme käyttää tekoälytekniikoita tunnistamaan aivoissa kasvainta edustavat epänormaalit alueet radiologisista kuvista.
Samanlaista lähestymistapaa käytetään myös hyvän tai huonon ennusteen omaavien glioomien luokittelemiseksi, gliooman erottamiseksi muun tyyppisistä aivokasvaimista ja vasteen havaitsemiseksi hoidon jälkeen.
Tutkimuksen yleiskatsaus
Tila
Aktiivinen, ei rekrytointi
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Ehdotetussa retrospektiivisessä tutkimuksessa analysoidaan kuvia (MRI, CT tai PET), jotka on otettu osana normaalia hoitoa (esihoito, leikkauksen jälkeinen, vasteen arviointi ja seuranta).
DMG-tietokanta, joka ylläpitää TMC-neuroonkologiaan DMG-rekisteröityjen potilaiden tietoja, seulotaan tutkimukseen kelpaavien potilaiden tunnistamiseksi.
Vuosittain havaitaan noin 500-600 glioomaa ja noin 80-100 potilasta/vuosi ennen hoitoa kuvantamista, joten odotamme 1000 potilaan enimmäismäärän vuosina 2010-2022, mikä on analyysiin käytettyjen potilaiden enimmäismäärä.
Kaikki kuvat ladataan PACS:sta anonymisointisuodattimia käyttäen, ja kliiniset tiedot poimitaan tarkistamalla sähköiset potilastiedot ja säteilysuunnitelmat.
Tehdään kuvantamisen esikäsittely, joka sisältää kallon kuorinnan ja rekisteröinnin eri menetelmillä (esim. MRI ja CT) tai eri sekvensseillä (esim. T1C, T2W, ADC) käyttämällä jäykkiä tai muotoaan muuttavia algoritmeja, jotka sopivat parhaiten modaliteetti.
Neuroradiologi tai isotooppilääketieteellinen lääkäri tekee ja tarkastaa yksilöllisesti kuvan segmentoinnin kiinnostavan alueen luokittamiseksi.
Segmentoinnit tehdään T1-kontrastia tehostavan alueen (CE), ei-tehostavan alueen (NE) ja nekroosin (NEC) tunnistamiseksi T1-C-, T2W- ja T2-FLAIR-alueiden ohjaamiseksi.
Ääriviivat ja kuvat näytteistetään uudelleen yhtenäiseen resoluutioon eri sarjoille tai modaliteeteille (esim. T2W/ADC/PET), jotta ne vastaisivat joko 3D-sekvenssiä (esim. FSPGR-sekvenssi) tai saatavilla olevia kuvia, joilla on pienin siivupaksuus.
Tämän jälkeen normalisointitekniikoita (esim. histogrammin normalisointi/Z-pisteiden normalisointi) suoritetaan yksittäisissä kuvissa ja koko tietojoukossa ottaakseen huomioon kuvan heterogeenisyyden, mukaan lukien MRI:n kentänvoimakkuus ja erilaiset kuvanottoparametrit.
Automaattisessa segmentoinnissa käytetään sekä valvottuja että valvomattomia koneoppimisalgoritmeja.
Valvotun mallin osalta koko tietokanta jaetaan koulutus- ja testikohortteihin mallin ja sovelluskehityksen osalta.
Automaattisen mallin tehokkuutta testataan käyttämällä nopan samankaltaisuuskerrointa manuaalisesti segmentoitujen alueiden ja tekoälypohjaisten segmenttien välillä.
Glioomien ennustamista varten seuraava vaihe sisältää piirteiden erottamisen, joka koostuu ensimmäisen kertaluvun (mukaan lukien muoto, histogrammi), toisen kertaluvun tai korkeamman kertaluvun ominaisuuksista (esim. erilaiset tekstuurin ominaisuudet, kuten GLCM, GLDM, GLSZM jne.). tai syväoppimistekniikoita käytetään.
Delta-radiomiikka sisältää ajallisia muutoksia radioaktiivisissa piirteissä eri aikapisteistä samalle potilaalle koko tilavuuden ja yksittäisten alueiden sisällä.
Myöhemmin ominaisuuksien vähentämis- ja valintatekniikoita, kuten LASSOa, rekursiivista ominaisuuksien eliminointia, käytetään ominaisuuksien määrän valitsemiseen otoskoon mukaan.
Tulokset päätetään kliinisistä tiedoista saatujen erityisten luokkaongelmien (esim. kasvain vs. turvotus, uusiutuminen vs. näennäinen eteneminen, tulokset, kiinnostava kasvainalue vs. ei-kasvainalue) mallinnuksen perusteella.
Kaikki luokkien epätasapaino korjataan käyttämällä menetelmiä, kuten satunnaisotantaa tai SMOTE-analyysiä vähemmistöluokan tietojen lisäämiseksi.
Koneoppimisalgoritmeja, kuten LDA, k-NN, SVM, satunnainen metsä, AdaBoost jne., käytetään yksittäin tai yhdistelmänä ryhmiteltynä luokittelijana parhaan suorituskyvyn omaavan mallin löytämiseksi.
Ominaisuuspohjaisen mallintamisen ohella käytetään syväoppivia luokittimia ja niitä verrataan luokittelijan soveltuvuuden testaamiseen.
Koneoppimismallin vakauden arvioimiseen käytetään validointitekniikoita, kuten yhden poisjättämisen validointia, k-kertaista validointia ja jakamista (koulutus- ja testikohorttiin).
Radiomisen analyysin tekevät datatieteilijät/tutkimustutkijat, joilla on asiantuntemusta data-analytiikan alalla.
Kaikki segmentoinnit tehdään avoimen lähdekoodin ohjelmistoilla, kuten ITK snap (itksnap.org)
tai 3D Slicer (slicer.org).
Ominaisuuden poimiminen ja mallintaminen tehdään avoimen lähdekoodin ohjelmistoilla, kuten Python (python.org).
Laskennallisen tieteen jatkuvan kehityksen myötä saatavilla olevia uudempia analyyttisiä tekniikoita ja alustoja soveltavat tarpeen mukaan yhteistyökumppanit Intian tilastoinstituutista Kolkatasta, Machine Intelligence Unitista jakamalla anonymisoituja tietoja.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
1000
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Maharashtra
-
Mumbai, Maharashtra, Intia, 400012
- Tata Memorial Hospital
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Tutkimuspopulaatio on sisällyttämis- ja poissulkemiskriteerien mukaan.
Tutkimus sisältää myös haavoittuvia osallistujia.
Alaikäiset (enintään 18-vuotiaat), vanhukset
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, joilla on gliooma tai glioomaa jäljittelevä patologia ja kuvantaminen saatavilla TMC:ssä tammikuun 2010 ja joulukuun 2022 välisenä aikana.
Poissulkemiskriteerit:
- Kuvaus tehty TMC:n ulkopuolella.
- Liikeartefaktit tai muut artefaktit, jotka aiheuttavat kuvan huononemista.
- Kasvaimen tai kiinnostavan alueen koko < 1 cm suurimmassa ulottuvuudessa
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Kasvaimen autosegmentaatio
Aikaikkuna: 3 vuotta
|
Kasvainalueen korrelaatiota manuaalisen segmentoinnin ja tekoälyyn perustuvan autosegmentaatiomallin välillä arvioidaan käyttämällä Dice-samankaltaisuuskerrointa.
|
3 vuotta
|
Gliooman ennustaminen
Aikaikkuna: 3 vuotta
|
Radiominen allekirjoitus glioomien ennustamisessa etenemisvapaan eloonjäämisen ja kokonaiseloonjäämisen arvioinnissa Kaplan Meier -kaavioilla ja radiomiikkapisteisiin perustuvilla nomogrammeilla.
|
3 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Vasteen arviointi glioomissa
Aikaikkuna: 3 vuotta
|
Glioomien vasteen arviointi tekoälymallipohjaisella ennusteella ja vertailu todelliseen vasteeseen (kuten radionekroosi, eteneminen) käyttämällä sekavuusmatriiseja ja arvioimalla parametreja, kuten herkkyys, spesifisyys, tarkkuus, käyrän alla oleva pinta-ala.
|
3 vuotta
|
Gliooman erottaminen ei-glioomahistologiasta
Aikaikkuna: 3 vuotta
|
Radiomiikkamallin käyttö glioomien erottamiseen muista aivokasvaimista, suorituskykyindeksit lasketaan käyttämällä herkkyyttä, spesifisyyttä, tarkkuutta ja käyrän alla olevaa pinta-alaa.
|
3 vuotta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Dr. ARCHYA DASGUPTA, MD, Tata Memorial Hospital
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Torstai 15. helmikuuta 2024
Ensisijainen valmistuminen (Arvioitu)
Tiistai 1. joulukuuta 2026
Opintojen valmistuminen (Arvioitu)
Tiistai 1. joulukuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 28. elokuuta 2023
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 6. syyskuuta 2023
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 13. syyskuuta 2023
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 2. huhtikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Maanantai 1. huhtikuuta 2024
Viimeksi vahvistettu
Maanantai 1. huhtikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 4146
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
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 .
Kliiniset tutkimukset Glioma
-
Maastricht Radiation OncologyMaastricht University Medical Center; Ziekenhuis Oost-Limburg; Zuyderland...Aktiivinen, ei rekrytointiKorkealuokkainen glioma | Heikkolaatuinen gliomaAlankomaat
-
National Cancer Institute (NCI)RekrytointiGlioma | Korkealuokkainen glioma | Pahanlaatuinen gliooma | Glioomat | Matala-asteinen gliomaYhdysvallat
-
Hospital del Río HortegaValmisGlioma | Glioblastooma | Heikkolaatuinen glioma | Gliooma, pahanlaatuinen | Korkealaatuinen GliomaEspanja
-
Children's Hospital of PhiladelphiaBlue Earth Diagnostics; Dragon Master FoundationEi vielä rekrytointiaGlioma | Heikkolaatuinen glioma | Gliooma, pahanlaatuinen | Matala-asteinen aivojen gliooma | Intrakraniaalinen gliomaYhdysvallat
-
Beijing Neurosurgical InstituteEi vielä rekrytointia
-
Assistance Publique Hopitaux De MarseilleTuntematon
-
Children's Hospital of PhiladelphiaBlue Earth Diagnostics, Inc; Dragon Master FoundationRekrytointiGlioma | Korkealuokkainen glioma | Gliooma, pahanlaatuinen | Diffuusi gliooma | Intrakraniaalinen gliomaYhdysvallat
-
National Cancer Institute (NCI)RekrytointiGlioma | Glioblastooma | Pahanlaatuinen gliooma | Matala-asteinen glioma | High Grage GliomaYhdysvallat
-
St. Jude Children's Research HospitalSpringWorks Therapeutics, Inc.RekrytointiMatala-asteinen glioma | Toistuva matala-asteinen gliooma | Progressiivinen matala-asteinen gliomaYhdysvallat
-
St. Joseph's Hospital and Medical Center, PhoenixTranslational Genomics Research InstituteLopetettu
Kliiniset tutkimukset Kuvantamisen radioaminen analyysi - MRI, PET, CT
-
NYU Langone HealthDendreonLopetettuEturauhassyöpäYhdysvallat
-
Case Comprehensive Cancer CenterNational Cancer Institute (NCI)ValmisRintojen pahanlaatuinen kasvain TNM:n etämetastaasi (M) | Hoitamattomat luumetastaasitYhdysvallat
-
Turku University HospitalGE Healthcare; Blue Earth DiagnosticsValmisEturauhasen karsinoomaSuomi
-
Institut Jean-GodinotValmisSyöpä | Luun metastaasit
-
Herlev HospitalValmis
-
RenJi HospitalRekrytointi
-
Memorial Sloan Kettering Cancer CenterValmis
-
University of AberdeenNHS GrampianTuntematonSarkoidoosi | Rytmogeeninen oikean kammion kardiomyopatiaYhdistynyt kuningaskunta
-
Masonic Cancer Center, University of MinnesotaLopetettuHematologinen pahanlaatuisuusYhdysvallat