Koneoppimismenetelmä multippeli myeloomakompleksin yhdistämiseksi taudin varhaiseen uusiutumiseen
Tutkimuksen yleiskatsaus
Tila
Ehdot
Yksityiskohtainen kuvaus
MM-hoidon parannukset ovat saaneet aikaan erittäin syviä kliinisiä vasteita, joiden tulokset ja eloonjääminen ovat parantuneet merkittävästi [2]. Merkittävästä terapeuttisesta edistyksestä huolimatta MM on kuitenkin edelleen haaste, johtuen yhdistelmäpatogeneesistä ja erilaisten vuorovaikutteisten tekijöiden monimutkaisista verkostoista. Tämän seurauksena suhteellisen suurella osalla NDMM-potilaita eri hoitostrategioissa on suurempi riski taudin etenemisestä ja huonommat tulokset riippumatta saadusta anti-MM-ohjelmasta. Nämä potilaat edustavat tällä hetkellä täyttämätöntä kliinistä tarvetta, ja tästä johtuvat haasteet taudin hallinnassa ja näiden potilaiden tunnistaminen etukäteen on tärkeä tavoite MM:ssä.
Tällä hetkellä riskin kerrostumispisteet perustuvat rajoitettuun joukkoon kliinisiä ja biologisia muuttujia, jotka eivät aina riitä tunnistamaan potilaita, joilla on suuri riski taudin varhaiseen etenemiseen tai uusiutumiseen (eli 12 kuukauden sisällä ensilinjan hoidon aloittamisesta). Äskettäin on tutkittu tekoälytyökaluja riskien ennustamisen tarkkuuden parantamiseksi, mikä osoittaa, että suuren riskin sairaudet voidaan tunnistaa etukäteen kasvaimen ja immuunibiomarkkerien perusteella [3-4].
Käyttämällä koneoppimistyökaluja tietojenkäsittelyyn MM-potilaiden kliiniset, genomi- ja kuvantamistiedot integroidaan ja niitä käytetään malleissa, joilla pyritään parantamaan MM-riskien ennusteen tarkkuutta. Tällä tavalla ML-mallit yhdistävät kaikki kasvaimeen ja mikroympäristöön liittyvät tiedot, jotka on saatu korkean suorituskyvyn teknologioilla ja omiikkamenetelmillä tunnistaakseen ja kuvatakseen MM-potilasryhmiä, jotka parhaiten korreloivat varhaisen etenemisen saavuttamisen kanssa.
Kaiken kaikkiaan tässä tutkimuksessa tunnistetaan uutta tietoa, joka tukee MM:n kliinistä tutkimusta ja päätöksentekoa: potilaiden tarkka etukäteiskerrostus, joka perustuu MM:hen liittyvien piirteiden koko maisemaan, voisi parantaa MM:n yksittäisen riskin ymmärtämistä. Tämän tutkimuksen tuloksilla on vaikutusta mahdollisuuteen päästä yksilölliseen hoitoon, ja sillä on ennakoitavissa oleva kokonaisvaikutus MM-potilaiden tehokkaaseen hoitoon ja säästöihin kansalliselle terveydenhuoltojärjestelmälle.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Elena Zamagni, MD, PhD
- Puhelinnumero: +39 051 214 3680
- Sähköposti: e.zamagni@unibo.it
Opiskelupaikat
-
-
-
Bologna, Italia, 40138
- Rekrytointi
- IRCCS Azienda Ospedaliero-Universitaria di Bologna
-
Ottaa yhteyttä:
- Elena Zamagni, MD, PhD
- Puhelinnumero: +39 051 214 3680
- Sähköposti: e.zamagni@unibo.it
-
Ottaa yhteyttä:
- Simona Barbato, Ph.D.
- Puhelinnumero: +39 051 214 3827
- Sähköposti: simona.barbato3@unibo.it
-
Päätutkija:
- Elena Zamagni
-
Alatutkija:
- Carolina Terragna
-
Cagliari, Italia, 09134
- Ei vielä rekrytointia
- ARNAS "G. Brotzu" di Cagliari
-
Ottaa yhteyttä:
- Daniele Derudas
- Puhelinnumero: +39 070 52965520
- Sähköposti: daniele.derudas@aob.it
-
Napoli, Italia, 80131
- Ei vielä rekrytointia
- Azienda Ospedaliera Universitaria Federico II
-
Ottaa yhteyttä:
- Barbara Izzo
- Puhelinnumero: +39 081 3737869
- Sähköposti: barbara.izzo@unina.it
-
-
Forlì-Cesena
-
Meldola, Forlì-Cesena, Italia, 47014
- Ei vielä rekrytointia
- Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori" - IRST IRCCS
-
Ottaa yhteyttä:
- Martina Ghetti
- Puhelinnumero: +39 0543 739100
- Sähköposti: martina.ghetti@irst.emr.it
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällön kriteerit:
- Ikä ≥ 18 vuotta
- Allekirjoitettu tietoinen suostumuslomake tutkimukseen osallistumista ja henkilötietojen käsittelyä varten
- Aktiivisen multippelin myelooman diagnoosi
Poissulkemiskriteerit:
- Ei mitään
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Yleinen vastausprosentti
Aikaikkuna: 12 kuukautta anti-MM-hoidon aloittamisesta
|
Yleinen vastausprosentti
|
12 kuukautta anti-MM-hoidon aloittamisesta
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Päätutkija: Elena Zamagni, MD, PhD, IRCCS Azienda Ospedaliero-Universitaria di Bologna
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
- Verisuonisairaudet
- Sydän-ja verisuonitaudit
- Patologiset prosessit
- Neoplasmat
- Sairauden ominaisuudet
- Immuunijärjestelmän sairaudet
- Neoplasmat histologisen tyypin mukaan
- Hematologiset sairaudet
- Lymfoproliferatiiviset häiriöt
- Immunoproliferatiiviset häiriöt
- Hemostaattiset häiriöt
- Paraproteinemiat
- Veren proteiinien häiriöt
- Hemorragiset häiriöt
- Toistuminen
- Multippeli myelooma
- Neoplasmat, plasmasolut
Muut tutkimustunnusnumerot
- AIMMer
- PNRR-TR1-2023-12378246 (Muu apuraha/rahoitusnumero: Italian Ministry of Health)
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 .