Uso di tecniche di apprendimento automatico per la valutazione seriale di marcatori infiammatori sistemici nei pazienti con cancro al seno (INFLAMMATE)
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Intervento / Trattamento
Intervento / Trattamento
Descrizione dettagliata
Nel cancro al seno, l’aumento dei livelli di neutrofili e la diminuzione dei livelli di linfociti nel sangue periferico sono associati a una sopravvivenza globale (OS) peggiore. Nei tumori al seno metastatici HR+, HER2-, un basso NLR pretrattamento e un'elevata conta linfocitaria assoluta pretrattamento (ALC) erano correlati a una migliore sopravvivenza libera da progressione (PFS) e OS. Lo sviluppo di modelli predittivi, basati su algoritmi di machine learning (ML), è stato utilizzato nella prognosi e aiuta nella diagnosi di diversi tipi di cancro.
Sebbene i regolari test di laboratorio possano potenzialmente essere biomarcatori del cancro al seno, un singolo test deve ancora fornire un’adeguata sensibilità o specificità. L’intelligenza artificiale (AI) potrebbe aiutare a integrare i dati di più test per facilitare la diagnosi. Miglioramenti tecnici come capacità di archiviazione dei dati, potenza di calcolo e algoritmi migliori fanno sì che il machine learning possa elaborare informazioni clinicamente significative dai dati dei test di laboratorio. La generalizzabilità e la stabilità dei modelli devono ancora essere confermate, alla luce di limitazioni quali l'assenza di vari tipi patologici, piccole coorti e la mancanza di validazione esterna. Pertanto, un modello competitivo è essenziale anche per ottenere una stratificazione più accurata dei pazienti con cancro al seno. Lo scopo di questo studio retrospettivo multicentrico è valutare sistematicamente la capacità dei test di laboratorio di predire il cancro al seno e sviluppare un modello robusto e generalizzabile per aiutare a identificare le pazienti con cancro al seno.
Tipo di studio
Tipo di studio
Iscrizione (Stimato)
Iscrizione
Contatti e Sedi
Luoghi di studio
-
-
-
Buenos Aires, Argentina
- Pablo Mandó
-
-
-
-
Minas Gerais
-
Uberaba, Minas Gerais, Brasile
- Rosekeila Simoes Nomeline
-
-
Rio Grande do Sul
-
Porto Alegre, Rio Grande do Sul, Brasile
- Tomas Reinert
-
-
Sao Paulo
-
Barretos, Sao Paulo, Brasile
- Idam Oliveira Junior
-
Campinas, Sao Paulo, Brasile
- César Cabello
-
Ribeirão Preto, Sao Paulo, Brasile
- Daniel Guimaraes Tiezzi
-
-
-
-
Ontario
-
Toronto, Ontario, Canada
- Vasily Giannakeas
-
-
-
-
-
Seul, Corea, Repubblica di
- Wonshik Han
-
-
-
-
-
Cairo, Egitto
- Salma Elashwah
-
-
-
-
-
Osaka, Giappone
- Masahiro Takada
-
Tokyo, Giappone, 113-8677
- Masakazu Toi
-
-
-
-
-
Mexico City, Messico
- Cynthia Mayte Villarreal Garza
-
-
-
-
-
Madrid, Spagna
- Cristina Saura
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Pazienti donne con età compresa tra 18 e 75 anni;
- Pazienti con carcinoma mammario invasivo diagnosticati per patologia;
- Pazienti diagnosticati tra il 1 gennaio 2013 e il 31 dicembre 2018;
- Sottoporsi ad un emocromo completo prima dell'intervento chirurgico (mastectomia o chirurgia conservativa del seno) o della chemioterapia neoadiuvante;
Criteri di esclusione:
Presenza di disturbi ematologici;
- Cancro al seno bilaterale;
- Maschio;
- Punteggio Karnofsky Performance Status < 70';
- Carcinoma mammario infiammatorio e carcinoma in situ;
- Gravidanza o allattamento;
- Evidenza di recidiva locale o a distanza.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Numero di gruppi/coorti
Coorti e interventi
Gruppo / CoorteGruppo / Coorte |
Intervento / TrattamentoIntervento / Trattamento |
|---|---|
|
Gruppo I: cancro al seno
Tutti i partecipanti coinvolti nel nostro studio sono donne a cui è stato diagnosticato un cancro al seno e trattate con intervento chirurgico o chemioterapia neoadiuvante dal 1 gennaio 2013 al 31 dicembre 2018.
|
Chirurgia (mastectomia o quadrantectomia); Chemioterapia neoadiuvante
Altri nomi:
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sopravvivenza globale
Lasso di tempo: Dalla data della diagnosi alla data della morte, valutata fino a 120 mesi
|
Sopravvivenza globale
|
Dalla data della diagnosi alla data della morte, valutata fino a 120 mesi
|
Misure di risultato secondarie
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sopravvivenza libera da malattia
Lasso di tempo: Dalla data della diagnosi alla data della prima progressione (recidiva locale del tumore o metastasi a distanza), valutata fino a 60 mesi
|
Sopravvivenza libera da malattia
|
Dalla data della diagnosi alla data della prima progressione (recidiva locale del tumore o metastasi a distanza), valutata fino a 60 mesi
|
Collaboratori e investigatori
Sponsor
Sponsor
Collaboratori
Collaboratori
Investigatori
Investigatori
- Investigatore principale: Afonso C Nazario, PhD, University Federal of Sao Paulo
Pubblicazioni e link utili
Pubblicazioni generali
- Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, Bray F. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin. 2021 May;71(3):209-249. doi: 10.3322/caac.21660. Epub 2021 Feb 4.
- Faria SS, Giannarelli D, Cordeiro de Lima VC, Anwar SL, Casadei C, De Giorgi U, Madonna G, Ascierto PA, Mendoza Lopez RV, Chammas R, Capone M. Development of a Prognostic Model for Early Breast Cancer Integrating Neutrophil to Lymphocyte Ratio and Clinical-Pathological Characteristics. Oncologist. 2024 Apr 4;29(4):e447-e454. doi: 10.1093/oncolo/oyad303.
- Choi E, Bahadori MT, Schuetz A, Stewart WF, Sun J. Doctor AI: Predicting Clinical Events via Recurrent Neural Networks. JMLR Workshop Conf Proc. 2016 Aug;56:301-318. Epub 2016 Dec 10.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Inizio studio
Completamento primario (Effettivo)
Completamento primario
Completamento dello studio (Stimato)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- University of Sao Paulo
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
prodotto fabbricato ed esportato dagli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .