Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Une approche d'apprentissage automatique pour relier la complexité du myélome multiple à la récidive précoce de la maladie

8 janvier 2025 mis à jour par: IRCCS Azienda Ospedaliero-Universitaria di Bologna

Il s'agit d'une étude observationnelle prospective non interventionnelle, nationale et multicentrique à but non lucratif visant à améliorer l'exactitude de la prédiction du risque de myélome multiple (MM) en appliquant des outils d'apprentissage automatique pour le traitement des données afin de développer un ou plusieurs modèles prédisant la réponse au traitement et la probabilité de rechute précoce pour les patients MM.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Myélome multiple (MM)

Description détaillée

Les améliorations dans le traitement du MM ont conduit à l'obtention de réponses cliniques très profondes, avec des résultats et une survie significativement améliorés [2]. Cependant, malgré des progrès thérapeutiques significatifs, le MM reste un défi, en raison de la pathogenèse composite et des réseaux complexes de différents facteurs en interaction. En conséquence, une proportion relativement élevée de patients NDMM, quelles que soient les différentes stratégies thérapeutiques, présentent un risque plus élevé de progression de la maladie et de pires résultats, indépendamment du régime anti-MM reçu. Ces patients représentent actuellement un besoin clinique non satisfait, avec des défis conséquents dans la prise en charge de la maladie et identifier ces patients dès le départ est un objectif important du MM.

À l'heure actuelle, les scores de stratification du risque reposent sur un ensemble limité de variables cliniques et biologiques, pas toujours suffisantes pour identifier les patients présentant un risque élevé de progression précoce de la maladie ou de rechute (c'est-à-dire dans les 12 mois suivant le début du traitement de première intention). Récemment, des outils d’IA ont été explorés pour améliorer la précision de la prédiction des risques, montrant que les maladies à haut risque pourraient être reconnues d’emblée, sur la base de biomarqueurs tumoraux et immunitaires [3-4].

En appliquant des outils d'apprentissage automatique (ML) pour le traitement des données, les données cliniques, génomiques et d'imagerie des patients atteints de MM seront intégrées et utilisées dans des modèles visant à améliorer la précision de la prédiction du risque de MM. De cette manière, les modèles ML regrouperont toutes les informations liées aux tumeurs et au microenvironnement obtenues par des technologies à haut débit et des approches omiques pour identifier et décrire les groupes de patients atteints de MM qui correspondent le mieux à la réalisation d'une progression précoce.

Dans l'ensemble, cette étude identifiera de nouvelles connaissances pour soutenir la recherche clinique et la prise de décision dans le MM : une stratification initiale précise des patients, basée sur l'ensemble des caractéristiques liées au MM, pourrait améliorer la compréhension du risque individuel du MM. Les résultats de cette étude auront un impact sur la possibilité d'accéder à un traitement personnalisé, avec une répercussion globale prévisible sur la prise en charge efficace des patients MM et des économies pour le système national de santé.

Type d'étude

Observationnel

Inscription (Estimé)

200

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Nom: Elena Zamagni, MD, PhD
Numéro de téléphone: +39 051 214 3680
E-mail: e.zamagni@unibo.it

Lieux d'étude

Italie
- - Bologna, Italie, 40138
    - Recrutement
    - IRCCS Azienda Ospedaliero-Universitaria di Bologna
    - Contact:
      
      Elena Zamagni, MD, PhD
      
      Numéro de téléphone: +39 051 214 3680
      
      E-mail: e.zamagni@unibo.it
    - Contact:
      
      Simona Barbato, Ph.D.
      
      Numéro de téléphone: +39 051 214 3827
      
      E-mail: simona.barbato3@unibo.it
    - Chercheur principal:
      
      Elena Zamagni
    - Sous-enquêteur:
      
      Carolina Terragna
  - Cagliari, Italie, 09134
    - Pas encore de recrutement
    - ARNAS "G. Brotzu" di Cagliari
    - Contact:
      
      Daniele Derudas
      
      Numéro de téléphone: +39 070 52965520
      
      E-mail: daniele.derudas@aob.it
  - Napoli, Italie, 80131
    - Pas encore de recrutement
    - Azienda Ospedaliera Universitaria Federico II
    - Contact:
      
      Barbara Izzo
      
      Numéro de téléphone: +39 081 3737869
      
      E-mail: barbara.izzo@unina.it
- Forlì-Cesena
  - Meldola, Forlì-Cesena, Italie, 47014
    - Pas encore de recrutement
    - Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori" - IRST IRCCS
    - Contact:
      
      Martina Ghetti
      
      Numéro de téléphone: +39 0543 739100
      
      E-mail: martina.ghetti@irst.emr.it

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

Adulte
Adulte plus âgé

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Les participants à l'étude seront des patients adultes atteints d'un myélome multiple nouvellement diagnostiqué (ND).

La description

Critères d'intégration :

Âge ≥ 18 ans
Formulaire de consentement éclairé signé pour la participation à l'étude et le traitement des données personnelles
Diagnostic du myélome multiple actif

Critères d'exclusion :

Aucun

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats	Description de la mesure	Délai
Taux de réponse global Délai: 12 mois après le début du traitement anti-MM	Taux de réponse global	12 mois après le début du traitement anti-MM

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

IRCCS Azienda Ospedaliero-Universitaria di Bologna

Les enquêteurs

Chercheur principal: Elena Zamagni, MD, PhD, IRCCS Azienda Ospedaliero-Universitaria di Bologna

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

30 octobre 2024

Achèvement primaire (Estimé)

2 avril 2026

Achèvement de l'étude (Estimé)

31 août 2026

Dates d'inscription aux études

Première soumission

2 janvier 2025

Première soumission répondant aux critères de contrôle qualité

8 janvier 2025

Première publication (Réel)

25 mars 2025

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)