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.

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

19 août 2026 mis à jour par: 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.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Type d'étude

Interventionnel

Inscription (Estimé)

225

Phase

  • N'est pas applicable

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

Sauvegarde des contacts de l'étude

Lieux d'étude

  • Chine
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Chine, 200032
        • Recrutement
        • Fudan University Shanghai Cancer Center
        • Contact:

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

La description

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

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

  • Objectif principal: Autre
  • Répartition: Non randomisé
  • Modèle interventionnel: Affectation séquentielle
  • Masquage: Aucun (étiquette ouverte)

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Autre: 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.
Autre: 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.
Autre: 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.
Autre: 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.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Acute adverse events
Délai: 6 months
The incidence and severity of acute adverse event include radiation dermatitis, pruritus, skin pain, radiation esophagitis, and radiation pneumonitis.
6 months

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Accuracy
Délai: 2 months
Auto-segmentation accuracy was assessed by comparing automatically generated contours against the final physician-approved contours
2 months
Success rate
Délai: 2 months
Record AIO workflow success rate: online planning one-pass optimization success rate.
2 months
Quality of life (QoL)
Délai: 6 months
Quality of life will be evaluated via standardized QoL scales.
6 months
Time efficiency
Délai: 2 months
The time efficiency of the workflow was automatically recorded by the system
2 months
Full-Workflow Patient Intrafraction Motion
Délai: 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
Délai: 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
Délai: 2 months
Evaluation of how anatomical scale/breast size correlates with geometric setup errors and in vivo gamma pass rates
2 months

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)

27 août 2021

Achèvement primaire (Estimé)

27 août 2028

Achèvement de l'étude (Estimé)

27 novembre 2028

Dates d'inscription aux études

Première soumission

1 juillet 2026

Première soumission répondant aux critères de contrôle qualité

19 août 2026

Première publication (Réel)

20 août 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

20 août 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

19 août 2026

Dernière vérification

1 juin 2026

Plus d'information

Termes liés à cette étude

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • FDRT-BC029

Plan pour les données individuelles des participants (IPD)

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

OUI

Type d'informations de prise en charge du partage d'IPD

  • PROTOCOLE D'ÉTUDE
  • CIF

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