Tutkimus radiogenomisista piirteistä, jotka liittyvät radiokemoterapian herkkyyteen glioomissa
MRI-tiedot kerättiin potilailta, joilla oli gliooma ennen leikkausta, 2 viikkoa ennen sädekemoterapian aloittamista, 1 kuukausi sädehoidon päättymisen jälkeen (alemman asteen glioomit, LGG) tai 4 ja 10 kuukautta sädekemoterapian päättymisen jälkeen (korkea-asteisille glioomille, HGG). Sädekemoterapian herkkyysleimat muodostettiin ennen ja jälkeen radiokemoterapiaa saatujen MRI-kuvien perusteella RANO-kriteerien mukaisesti. Radiomiikan piirteet erotettiin ennen leikkausta MRI-kuvista ja yhdistettiin transkriptiotietoihin, jotka saatiin kasvainkudossekvensoinnista. Tämä prosessi mahdollisti sellaisen radiogenomisen mallin rakentamisen, joka pystyy ennustamaan glioomien vasteen sädekemoterapiaan.
Tässä prospektiivisessa kohorttitutkimuksessa rekrytoimme potilaita, joilla on gliooma, joille on tehty kraniotomia ja jotka ovat saaneet leikkauksen jälkeistä sädehoitoa tai sädekemoterapiaa (vastaavasti LGG- ja HGG-tapauksissa). MRI-kuvat samoista sekvensseistä kerätään vastaavina ajankohtina ja transkriptominen sekvensointi suoritetaan leikkauksen aikana saadulle kasvainkudokselle. Vakiintunutta mallia sovelletaan sädekemoterapian herkkyyden ennustamiseen ja sitä verrataan "todellisiin" sädekemoterapian herkkyysleimoihin, jotka on rakennettu RANO-kriteerien perusteella, jotta voidaan arvioida mallin ennakoivaa suorituskykyä.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Yksityiskohtainen kuvaus
Tämän kokeen tarkoituksena on värvätä 100 LGG-tapausta ja 100 HGG-tapausta tilastollisten laskelmien perusteella. MRI-tiedot, mukaan lukien T1-painotetut, T2-painotetut, T1-kontrastitehostetut ja T2-nesteen heikennettyjen inversioiden palautumissekvenssit (FLAIR), kerätään ennen leikkausta, 2 viikkoa ennen sädekemoterapian aloittamista, 1 kuukausi sädehoidon (LGG) päättymisen jälkeen. tai 4 ja 10 kuukautta sädekemoterapian (HGG) päättymisen jälkeen.
Kerättyjä MRI-kuvia ennen ja jälkeen sädekemoterapiaa käytetään kasvaimen tilavuuden muutosten arvioimiseen. RANO-kriteerejä käytetään määritettäessä kasvaimen herkkyyttä sädekemoterapialle: täydellinen vaste ja osittainen vaste luokitellaan herkäksi, kun taas vakaa sairaus ja taudin eteneminen katsotaan epäherkäksi.
Radiomics-ominaisuudet puretaan avoimen lähdekoodin 'PyRadiomics' python-paketilla kuvan esikäsittelyn ja segmentoinnin jälkeen. Transkriptominen data saadaan suorittamalla RNA-sekvensointianalyysi leikkauksen aikana kerätyistä kasvainnäytteistä. Valitut radiogenomiset piirteet sisällytetään valmiiksi rakennettuun koneoppimismalliin glioomien herkkyyden ennustamiseksi sädekemoterapialle. Mallin suorituskykyä arvioidaan käyttämällä mittareita, kuten luokittelutarkkuus (ACC), vastaanottimen toimintakäyrän alla oleva pinta-ala (AUC), positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV).
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Tao Jiang, MD and PhD
- Puhelinnumero: +86 10 67021832
- Sähköposti: taojiang1964@163.com
Tutki yhteystietojen varmuuskopiointi
- Nimi: Yinyan Wang, MD and PhD
- Puhelinnumero: +86 13581698953
- Sähköposti: tiantanyinyan@126.com
Opiskelupaikat
-
-
Beijing
-
Beijing, Beijing, Kiina, 100071
- Rekrytointi
- Beijing Tiantan Hospital
-
Ottaa yhteyttä:
- Yinyan Wang, MD and PhD
- Puhelinnumero: +86 13581698953
- Sähköposti: tiantanyinyan@126.com
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällyttämiskriteerit:
- 18-vuotiaat tai sitä vanhemmat potilaat
- Histologisesti vahvistettu gliooma
- Ei muita aivokasvaimia tai aikaisempia kallon leikkauksia
- Ei historiaa ennen leikkausta sädehoitoa tai kemoterapiaa
- Saatavilla ennen leikkausta, ennen sädehoitoa (leikkauksen jälkeen) ja radioterapian jälkeistä magneettikuvausta (MRI)
Poissulkemiskriteerit:
- Ne, jotka eivät täytä yhtään osallistumiskriteeriä
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Diagnostiikka
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Muut: Arvioi glioomapotilaiden vaste sädekemoterapiaan
Glioomapotilaiden vastetta sädekemoterapiaan arvioidaan RANO-kriteerien ja vakiintuneen radiogenomiikkaan perustuvan tekoälymallin mukaan.
|
Ennusta glioomapotilaiden sädekemoterapiaherkkyys vakiintuneen radiogenomiikkaan perustuvan tekoälyn avulla
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
AI-mallin herkkyys sädekemoterapiavasteen ennustamisessa
Aikaikkuna: 1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
Herkkyys = TP/(TP+FN)
|
1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
|
AI-mallin spesifisyys sädekemoterapiavasteen ennustamisessa
Aikaikkuna: 1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
Spesifisyys = TN/(TN+FP)
|
1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
|
Vastaanottimen toimintakäyrän alla oleva alue (AUC)
Aikaikkuna: 1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
AUC mittaa koko kaksiulotteisen alueen koko ROC-käyrän alla
|
1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälymallin tarkkuus radiokemoterapiavasteen ennustamisessa
Aikaikkuna: 1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
Sädehoidon herkkyyden ennustamisen tarkkuus AI-malli = (TP+TN)/ (TP+TN +FP+FN)
|
1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
|
Tekoälymallin positiivinen ennustearvo (PPV) radiokemoterapiavasteen ennustamisessa
Aikaikkuna: 1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
Sädehoidon herkkyyden ennustamisen AI-mallin PPV = [TP/(TP+FP)]*100
|
1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
|
Tekoälymallin negatiivinen ennustearvo (NPV) radiokemoterapiavasteen ennustamisessa
Aikaikkuna: 1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
Sädehoidon herkkyyden ennustamisen AI-mallin NPV = [TN/(FN+TN)]*100
|
1 kuukausi sädehoidon (LGG) jälkeen; 4 ja 10 kuukautta sädekemoterapian (HGG) jälkeen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Yinyan Wang, MD and PhD, Beijing Tiantan Hospital
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
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
- 82072786
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 .