- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05375591
IA et radiomique pour la stratification des nodules pulmonaires après un cancer radicalement traité (AI-SONAR)
Intelligence artificielle et radiomique pour la stratification des nodules pulmonaires après un cancer radicalement traité (AI-SONAR)
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Les améliorations dans la détection et le diagnostic du cancer ont conduit à un nombre croissant de patients diagnostiqués avec un cancer à un stade précoce et recevant potentiellement un traitement curatif avec de meilleurs résultats de survie. Des études rétrospectives récentes chez des survivants du cancer ont démontré que ces patients présentent un risque accru de développer un cancer au cours de leur vie par rapport à la population générale, en partie potentiellement en raison de facteurs de risque communs liés au mode de vie (par ex. tabagisme), prédisposition génétique au cancer ou effets secondaires oncogènes en aval des thérapies anticancéreuses (par ex. radiothérapie). Le cancer du poumon reste la principale cause de décès liés au cancer dans le monde et les poumons représentent également un site commun de maladie métastatique chez les patients atteints d'une tumeur maligne non pulmonaire. De plus, le cancer du poumon est l'une des deuxièmes tumeurs malignes primaires les plus courantes chez les patients ayant des antécédents de cancer traité. Par conséquent, discerner l'importance d'un nodule pulmonaire dans le contexte d'un cancer antérieur reste un défi clinique étant donné qu'il peut potentiellement représenter une maladie bénigne, une rechute métastatique ou une nouvelle tumeur maligne primitive.
Cette étude évaluera l'utilité des approches de radiomique et d'intelligence artificielle pour les nouveaux nodules pulmonaires chez les patients qui ont subi un traitement radical pour un cancer antérieur. Cela impliquera l'utilisation d'approches d'apprentissage automatique (ML) et plus tard, l'exploration d'approches d'apprentissage en profondeur/de réseau neuronal convolutif pour l'interprétation des nodules pour la différenciation des nodules/lésions bénignes, métastatiques et nouvelles du cancer du poumon primaire. Le développement d'un classificateur ML ou d'un outil basé sur l'apprentissage en profondeur peut aider à déterminer quels patients bénéficieraient d'investigations antérieures, y compris une imagerie supplémentaire, un échantillonnage de biopsie et conduire à un diagnostic de cancer plus précoce, conduisant à de meilleurs résultats pour les patients dans cette cohorte unique. Il s'agit d'une étude rétrospective analysant des données déjà collectées en routine dans le cadre de la prise en charge des patients. Toutes les données seront anonymisées avant toute analyse, aucune intervention dirigée/liée au patient ne sera employée et une dispense de consentement pour l'inclusion dans l'étude sera exercée.
Type d'étude
Inscription (Anticipé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Sejal Jain
- Numéro de téléphone: 020 7808 2603
- E-mail: sejal.jain@rmh.nhs.uk
Sauvegarde des contacts de l'étude
- Nom: Laura Boddy
- Numéro de téléphone: 020 7808 2603
- E-mail: laura.boddy@rmh.nhs.uk
Lieux d'étude
-
-
-
London, Royaume-Uni, SW3 6JJ
- Recrutement
- The Royal Marsden NHS Foundation Trust (Chelsea Site)
-
Contact:
- Sejal Jain
- Numéro de téléphone: 02078082603
- E-mail: sejal.jain@rmh.nhs.uk
-
Contact:
- Laura Boddy
- Numéro de téléphone: 07414643915
- E-mail: laura.boddy@rmh.nhs.uk
-
London, Royaume-Uni, SW3 6NP
- Recrutement
- Royal Brompton Hospital
-
Contact:
- Hardeep Kalsi
- Numéro de téléphone: 02078082603
- E-mail: hardeep.kalsi@rmh.nhs.uk
-
Chercheur principal:
- Anand Deveraj
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
Antécédents confirmés de cancer d'organe solide traité radicalement ou à visée curative dans les 10 ans suivant la nouvelle tomodensitométrie thoracique index démontrant un nouveau nodule pulmonaire et l'un des éléments suivants :
- Biopsie confirmant une malignité antérieure avec un consensus MDT et une résolution / rémission réussie du cancer après un traitement anticancéreux sur imagerie d'intervalle ou analyse de sang
- Lorsque la biopsie n'a pas été possible/confirmée pour une malignité antérieure, résultat consensuel de la PCT confirmant le cancer (+/- score de Herder calculé > 80 % le cas échéant) et décision de traiter comme une malignité avec résolution/rémission ultérieure après un traitement anticancéreux par imagerie d'intervalle ou sang analyse de dosage
Traitement radical d'un cancer antérieur défini comme l'un des éléments suivants :
- Résection chirurgicale
- Radiothérapie radicale ou radiothérapie stéréotaxique
- Chimiothérapie radicale
- Chimio-radiothérapie radicale
- Traitement multimodalité avec l'un des éléments ci-dessus
Nouvelle vérité terrain sur les nodules pulmonaires connue
- Données d'analyse montrant une stabilité sur 2 ans (basée sur le diamètre ou la volumétrie) ou une résolution en cas de maladie bénigne
- Données d'analyse montrant un élargissement progressif des nodules ou une augmentation du nombre de nodules sur l'imagerie d'intervalle avec consensus MDT (+/- TEP avec score de Herder> 80 % le cas échéant) déterminant une maladie métastatique ou une nouvelle tumeur maligne primaire
- Prélèvement par biopsie confirmant une maladie bénigne ou une malignité et en cas de malignité, de métastase ou de nouveau cancer du poumon primitif
- Épaisseur de tranche de tomodensitométrie ≤ 2,5 mm
- Taille des nodules ≥ 5 mm
Critère d'exclusion:
- Imagerie CT > 10 ans
- Hématologies malignes non solides, y compris la leucémie
- Cas de cancer primitif radicalement traité avec récidive oligométastatique précoce traitée radicalement
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cohorte
- Perspectives temporelles: Rétrospective
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
---|---|
Nodules bénins
Les tomodensitogrammes de patients présentant un ou plusieurs nouveaux nodules pulmonaires confirmés par la suite comme étant bénins et dans le contexte d'antécédents de cancer radicalement traité seront identifiés dans les sites NHS participants et recrutés.
|
Les premiers tomodensitogrammes de détection de nodules selon les critères d'éligibilité seront utilisés comme entrée dans le logiciel interne pour extraire plusieurs caractéristiques radiomiques et utilisés pour développer un classificateur basé sur l'apprentissage automatique pour différencier l'étiologie des nodules.
Les scans seront également utilisés comme entrée dans un modèle de réseau neuronal d'apprentissage en profondeur/convolutif pour effectuer une classification d'imagerie automatisée.
|
Nodules métastatiques
Les tomodensitogrammes de patients présentant un ou plusieurs nouveaux nodules pulmonaires confirmés par la suite comme étant de nature métastatique et dans le contexte d'antécédents de cancer radicalement traité seront identifiés dans les sites NHS participants et recrutés.
|
Les premiers tomodensitogrammes de détection de nodules selon les critères d'éligibilité seront utilisés comme entrée dans le logiciel interne pour extraire plusieurs caractéristiques radiomiques et utilisés pour développer un classificateur basé sur l'apprentissage automatique pour différencier l'étiologie des nodules.
Les scans seront également utilisés comme entrée dans un modèle de réseau neuronal d'apprentissage en profondeur/convolutif pour effectuer une classification d'imagerie automatisée.
|
Deuxième cancer primaire du poumon
Les tomodensitogrammes de patients présentant un ou plusieurs nouveaux nodules pulmonaires confirmés par la suite comme étant un nouveau deuxième cancer du poumon primitif et dans le contexte d'antécédents de cancer radicalement traité seront identifiés dans les sites NHS participants et recrutés.
|
Les premiers tomodensitogrammes de détection de nodules selon les critères d'éligibilité seront utilisés comme entrée dans le logiciel interne pour extraire plusieurs caractéristiques radiomiques et utilisés pour développer un classificateur basé sur l'apprentissage automatique pour différencier l'étiologie des nodules.
Les scans seront également utilisés comme entrée dans un modèle de réseau neuronal d'apprentissage en profondeur/convolutif pour effectuer une classification d'imagerie automatisée.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Développement d'un modèle de classificateur ML radiomics basé sur CT-thorax pour prédire le risque de cancer dans les nouveaux nodules pulmonaires après un précédent cancer radicalement traité.
Délai: 2 années
|
L'étude vise à identifier des groupes distincts de variables radiomiques pour générer un vecteur prédictif radiomique (RPV), qui peut être utilisé pour stratifier les nodules bénins par rapport aux nodules malins chez les patients qui ont déjà reçu un traitement radical pour une tumeur maligne.
Le RPV sera utilisé dans l'analyse multivariée et comparé aux modèles de risque existants utilisés dans la pratique clinique.
|
2 années
|
Développement du modèle de classificateur ML basé sur CT-thorax pour prédire si un nouveau nodule malin représente une maladie pulmonaire métastatique (nouveau cancer vs récidive de cancer antérieur) ou une nouvelle tumeur maligne primaire du poumon.
Délai: 2 années
|
L'étude vise à identifier des groupes distincts de variables radiomiques pour générer un vecteur prédictif radiomique (RPV) capable de différencier les nodules pulmonaires métastatiques d'un nouveau cancer pulmonaire primitif chez les patients ayant déjà reçu un traitement radical pour un cancer.
Aucun modèle actuel n'existe dans la pratique clinique pour relever ce défi diagnostique.
|
2 années
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Pour évaluer les performances, le modèle de classificateur ML basé sur CT-thorax a été développé dans une cohorte de validation externe indépendante.
Délai: 2 années
|
Les chercheurs visent à évaluer les performances du vecteur prédictif radiomique dérivé (RPV) sur un ensemble de données externe indépendant sur les nodules pulmonaires post-cancer afin d'évaluer la généralisabilité et les performances potentielles dans le monde réel.
|
2 années
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Richard Lee, The Royal Marsden Hospitals NHS Trust
Publications et liens utiles
Publications générales
- Tabuchi T, Ito Y, Ioka A, Miyashiro I, Tsukuma H. Incidence of metachronous second primary cancers in Osaka, Japan: update of analyses using population-based cancer registry data. Cancer Sci. 2012 Jun;103(6):1111-20. doi: 10.1111/j.1349-7006.2012.02254.x. Epub 2012 Apr 11.
- Youlden DR, Baade PD. The relative risk of second primary cancers in Queensland, Australia: a retrospective cohort study. BMC Cancer. 2011 Feb 23;11:83. doi: 10.1186/1471-2407-11-83.
- Stella GM, Kolling S, Benvenuti S, Bortolotto C. Lung-Seeking Metastases. Cancers (Basel). 2019 Jul 19;11(7). pii: E1010. doi: 10.3390/cancers11071010. Review.
- Deng L, Harðardottír H, Song H, Xiao Z, Jiang C, Wang Q, Valdimarsdóttir U, Cheng H, Loo BW, Lu D. Mortality of lung cancer as a second primary malignancy: A population-based cohort study. Cancer Med. 2019 Jun;8(6):3269-3277. doi: 10.1002/cam4.2172. Epub 2019 Apr 16.
- Mery CM, Pappas AN, Bueno R, Mentzer SJ, Lukanich JM, Sugarbaker DJ, Jaklitsch MT. Relationship between a history of antecedent cancer and the probability of malignancy for a solitary pulmonary nodule. Chest. 2004 Jun;125(6):2175-81.
- Johnson BE. Second lung cancers in patients after treatment for an initial lung cancer. J Natl Cancer Inst. 1998 Sep 16;90(18):1335-45. Review.
- Travis LB. The epidemiology of second primary cancers. Cancer Epidemiol Biomarkers Prev. 2006 Nov;15(11):2020-6. Epub 2006 Oct 20. Review.
- Wilson R, Devaraj A. Radiomics of pulmonary nodules and lung cancer. Transl Lung Cancer Res. 2017 Feb;6(1):86-91. doi: 10.21037/tlcr.2017.01.04. Review.
- Baldwin DR, Gustafson J, Pickup L, Arteta C, Novotny P, Declerck J, Kadir T, Figueiras C, Sterba A, Exell A, Potesil V, Holland P, Spence H, Clubley A, O'Dowd E, Clark M, Ashford-Turner V, Callister ME, Gleeson FV. External validation of a convolutional neural network artificial intelligence tool to predict malignancy in pulmonary nodules. Thorax. 2020 Apr;75(4):306-312. doi: 10.1136/thoraxjnl-2019-214104. Epub 2020 Mar 5.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Anticipé)
Achèvement de l'étude (Anticipé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- CCR5502
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
produit fabriqué et exporté des États-Unis.
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur Étude non interventionnelle
-
Apple Inc.Stanford UniversityComplétéFibrillation auriculaire | Arythmies cardiaques | Flutter auriculaireÉtats-Unis
-
Radboud University Medical CenterUCB Pharma; Verily Life Sciences LLCRecrutementMaladies du cerveau | Troubles du mouvement | Maladies neurodégénératives | Paralysie supranucléaire progressivePays-Bas
-
Radboud University Medical CenterUCB Pharma; Verily Life Sciences LLCRecrutementMaladies du cerveau | Maladies du système nerveux central | Maladies du système nerveux | Maladie de Parkinson | Troubles parkinsoniens | Maladies des noyaux gris centraux | Troubles du mouvement | Maladies neurodégénérativesPays-Bas
-
Radicle ScienceComplétéLa dépression | La douleur | Dormir | AnxiétéÉtats-Unis
-
Radicle ScienceComplété
-
Radicle ScienceActif, ne recrute pas
-
Digisight Technologies, Inc.InconnueLa rétinopathie diabétique | Dégénérescence maculaire liée à l'âge | MétamorphopsieÉtats-Unis
-
St. Joseph's Healthcare HamiltonSuspendu
-
University of MichiganComplété