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.

MRI-Driven Precision Typing and Response Prediction in Luminal Breast Cancer

18 juillet 2026 mis à jour par: Yajia Gu, MD, Fudan University

MRI-driven Multiomics Research on Precise Typing and Response Prediction of Luminal Breast Cancer

Luminal breast cancer is characterized by marked heterogeneity, resulting in diverse treatment responses and long-term outcomes. This project aims to integrate MRI and multiomics data to achieve non-invasive molecular typing and precise response prediction. By linking imaging phenotypes with underlying molecular and pathological characteristics, the investigators will develop predictive models for treatment resistance, recurrence, and metastasis, ultimately supporting personalized treatment strategies and precision oncology.

Aperçu de l'étude

Statut

Actif, ne recrute pas

Les conditions

Description détaillée

Luminal breast cancer represents the most common type of breast cancer, characterized by its intricate tumor heterogeneity that poses a significant challenge in clinical management due to resistance to endocrine therapy and high risk of long-term recurrence. It is significant for the accurate prediction of molecular subtypes and treatment response for luminal breast cancer. Our team has previously identified four molecular subtypes and seven pivotal molecules associated with luminal breast cancer utilizing multiomics techniques. The investigators posit that the integration of MRI-driven multiomics studies holds promise in achieving precise typing and response prediction for luminal breast cancer. This project intends to use multiomics molecular subtypes and key molecules as the gold standard to extract comprehensive quantitative features from diverse regions and levels utilizing MRI, thus facilitating non-invasive diagnosis. Additionally, our approach involves correlating MRI data with multiomics information to unveil the biological significance of imaging models at both pathological and molecular levels. Finally, the investigators aim to construct response prediction models through the fusion of multi-temporal MRI features and multiomics data across various scales, enabling precise forecasts of treatment resistance, recurrence, and metastasis. This initiative aims to enhance treatment decision-making and promote application transformation. This study will include a large-scale real-world retrospective and prospective population to validate and improve the effectiveness of model.

Type d'étude

Observationnel

Inscription (Estimé)

2000

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.

Lieux d'étude

  • Chine
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Chine, 200032
        • Fudan University Shanghai Cancer Center

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

  • Enfant
  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon de probabilité

Population étudiée

Patients with invasive luminal breast cancer (HR+/HER2-)

La description

Inclusion Criteria:

  1. Histopathologically confirmed invasive luminal breast cancer (HR+/HER2-);
  2. Patients who underwent breast MRI examination.

Exclusion Criteria:

  1. Pathological biopsy performed prior to the baseline MRI examination;
  2. Patients have received any form of prior treatment for the breast cancer;
  3. History of other malignancies;
  4. Incomplete or poor-quality MRI and/or pathological images;
  5. Missing clinical data.

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
Diagnostic performance of breast MRI for molecular subtyping of luminal breast cancer, with comparison to multiomics
Délai: 1 year
The primary outcome is the diagnostic performance of AI-assisted analysis for molecular subtyping of luminal breast cancer on contrast-enhanced breast MRI. Quantitative radiomic features and deep learning features are extracted from DCE-MRI, followed by classification into multiomics-defined molecular subtypes. Performance metrics include sensitivity, specificity, positive predictive value, negative predictive value, accuracy, and area under the receiver operating characteristic curve (AUC). Participants must have undergone both breast MRI and multiomics profiling of tumor tissue. Performance metrics will be compared with those obtained from multiomics classification within the same participants to evaluate the relative diagnostic performance.
1 year

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Predictive Performance of Multiomics Model for Pathological Complete Response (pCR) in Luminal Breast Cancer
Délai: 1 years
The model integrates multiomics data, including breast MRI, pathological features, and other relevant molecular and clinical variables, to predict pathological complete response (ypT0/is ypN0) following neoadjuvant therapy in patients with luminal breast cancer. Performance metrics include sensitivity, specificity, positive predictive value, negative predictive value, accuracy, area under the receiver operating characteristic curve (AUC), C-index, and time-dependent AUC. Participants must have undergone neoadjuvant therapy with available pathological response assessment.
1 years

Autres mesures de résultats

Mesure des résultats
Description de la mesure
Délai
Predictive Performance of Multiomics Model for Disease-Free Survival (DFS) in Luminal Breast Cancer
Délai: 5 years

The model integrates multiomics data, including breast MRI, pathological features, and other relevant molecular and clinical variables, to predict disease-free survival in luminal breast cancer, defined as time from surgery to first documented disease recurrence, distant metastasis, or death from any cause.

Performance metrics include sensitivity, specificity, positive predictive value, negative predictive value, accuracy, area under the receiver operating characteristic curve (AUC), C-index, and time-dependent AUC. Participants must have undergone surgery and completed 5 years follow-up.
5 years

Collaborateurs et enquêteurs

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

Parrainer

Fudan University

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)

6 janvier 2026

Achèvement primaire (Estimé)

31 décembre 2027

Achèvement de l'étude (Estimé)

31 décembre 2029

Dates d'inscription aux études

Première soumission

26 juin 2026

Première soumission répondant aux critères de contrôle qualité

2 juillet 2026

Première publication (Réel)

9 juillet 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

21 juillet 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

18 juillet 2026

Dernière vérification

1 juillet 2026

Plus d'information

Termes liés à cette étude

Mots clés

Autres numéros d'identification d'étude

  • 2410-Exp103-KY
  • 82430061 (Autre subvention/numéro de financement: Key Project of National Natural Science Foundation of China)

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

INDÉCIS

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

S'abonner