Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Application of CT-Linac-Based "All-in-One" One-Stop Radiotherapy in Breast Cancer

keskiviikko 19. elokuuta 2026 päivittänyt: Xiaoli Yu, Fudan University

Application of CT-Linac-Based "All-in-One" One-Stop Radiotherapy in All-Scenario Breast Cancer Radiotherapy: A Prospective Clinical Study

This study aims to evaluate and report the clinical adverse events and dosimetric parameters in breast cancer patients undergoing an "all-in-one (AIO)" one-stop, fully automated radiotherapy workflow. By systematically tracking these clinical and physical metrics, we seek to establish a standardized clinical protocol for AIO radiotherapy in breast cancer management.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

225

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

  • Kiina
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Kiina, 200032
        • Rekrytointi
        • Fudan University Shanghai Cancer Center
        • Ottaa yhteyttä:

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Inclusion Criteria:

  • Histologically or pathologically confirmed breast cancer with definitive indications for radiotherapy (preoperative, postoperative, or radical)
  • ECOG performance status of 0-2
  • Able to remain still and supine on the treatment couch for up to 30 minutes
  • Provision of signed, written informed consent
  • Able to comply with daily follow-ups and blood sample collections

Exclusion Criteria:

  • Palliative radiotherapy for concurrent distant metastasis
  • Incomplete or ongoing chemotherapy
  • Synchronous multiple primary tumors
  • Current pregnancy or lactation
  • Prior history of radiotherapy to the ipsilateral breast, chest wall, thorax, or regional lymph nodes
  • Severe non-malignant comorbidities (e.g., cardiovascular or pulmonary diseases, systemic lupus erythematosus, scleroderma) resulting in a short life expectancy or inability to tolerate radical radiotherapy
  • Inability or unlikelihood to comply with study follow-up
  • Inability or unwillingness to provide written informed consent

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Muut
  • Jako: Ei satunnaistettu
  • Inventiomalli: Peräkkäinen tehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Muut: ARM1: AI-empowered AIO WBI
Evaluates the feasibility, safety, and patient experiences of the AI-empowered AIO workflow in breast cancer patients undergoing whole-breast irradiation (WBI) without regional nodal involvement.
Muut: Radiotherapy procedure
The workflow relies on specialized convolutional neural networks for automated segmentation and dose-prediction auto-planning. These breast cancer models were trained on 285 historical institutional cases spanning radical mastectomy and breast-conserving surgery over five years. Auto-delineated structures include the clinical target volume, regional lymph nodes (if involved), tumor bed (identified by surgical clips), heart, bilateral lungs, unaffected breast, spinal cord, esophagus, thyroid, and affected humeral head. These contours guide dose prediction to generate deliverable tangential arc plans via clinical-goal-guided automated optimization in the treatment planning system. To adapt to the on-couch treatment scenario, models were validated on retrospective data and offline routines to maximize target delineation accuracy and the first-approval rate of auto-plans.
Muut: ARM2: Expanded-Scenario AIO RT
Evaluates the feasibility, safety, and patient experiences of the AI-empowered AIO workflow in breast cancer patients with broader radiotherapy indications, including breast/chest wall irradiation with or without regional nodal radiotherapy.
Muut: Radiotherapy procedure
The workflow relies on specialized convolutional neural networks for automated segmentation and dose-prediction auto-planning. These breast cancer models were trained on 285 historical institutional cases spanning radical mastectomy and breast-conserving surgery over five years. Auto-delineated structures include the clinical target volume, regional lymph nodes (if involved), tumor bed (identified by surgical clips), heart, bilateral lungs, unaffected breast, spinal cord, esophagus, thyroid, and affected humeral head. These contours guide dose prediction to generate deliverable tangential arc plans via clinical-goal-guided automated optimization in the treatment planning system. To adapt to the on-couch treatment scenario, models were validated on retrospective data and offline routines to maximize target delineation accuracy and the first-approval rate of auto-plans.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Acute adverse events
Aikaikkuna: 6 months
The incidence and severity of acute adverse event include radiation dermatitis, pruritus, skin pain, radiation esophagitis, and radiation pneumonitis.
6 months

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Accuracy
Aikaikkuna: 2 months
Auto-segmentation accuracy was assessed by comparing automatically generated contours against the final physician-approved contours
2 months
Success rate
Aikaikkuna: 2 months
Record AIO workflow success rate: online planning one-pass optimization success rate.
2 months
Quality of life (QoL)
Aikaikkuna: 6 months
Quality of life will be evaluated via standardized QoL scales.
6 months
Time efficiency
Aikaikkuna: 2 months
The time efficiency of the workflow was automatically recorded by the system
2 months
Full-Workflow Patient Intrafraction Motion
Aikaikkuna: 2 months
Evaluated based on geometric deviations between pretreatment image-guided radiotherapy (IGRT), posttreatment imaging, and the baseline simulation CT
2 months
Correlation of Patient Metrology with Setup Error and Dosimetric Performance
Aikaikkuna: 2 months
Evaluation of how Body Mass Index (BMI) and weight fluctuations correlate with geometric setup errors and in vivo gamma pass rates
2 months
Correlation of Anatomical Scale with Setup Error and Dosimetric Performance
Aikaikkuna: 2 months
Evaluation of how anatomical scale/breast size correlates with geometric setup errors and in vivo gamma pass rates
2 months

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Fudan University

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)

Perjantai 27. elokuuta 2021

Ensisijainen valmistuminen (Arvioitu)

Sunnuntai 27. elokuuta 2028

Opintojen valmistuminen (Arvioitu)

Maanantai 27. marraskuuta 2028

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 1. heinäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 19. elokuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Torstai 20. elokuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 20. elokuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 19. elokuuta 2026

Viimeksi vahvistettu

Maanantai 1. kesäkuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • FDRT-BC029

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-jakamista tukeva tietotyyppi

  • STUDY_PROTOCOL
  • ICF

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 .

Tilaa