Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Euristica, algoritmi e apprendimento automatico: valutazione e test in radioterapia (Hamlet rt)

26 luglio 2021 aggiornato da: CCTU- Cancer Theme

Hamlet-RT: euristica, algoritmi e apprendimento automatico: valutazione e test in radioterapia

Lo studio Hamlet.rt è una raccolta di dati prospettici e uno studio di questionari per pazienti sottoposti a radioterapia guidata da immagini con intento curativo.

Lo scopo dello studio è utilizzare nuove tecniche matematiche e di apprendimento automatico per costruire un modello in grado di prevedere il rischio di effetti collaterali significativi del trattamento radioterapico per un singolo paziente: utilizzando i calcoli della dose normale del tessuto dalla pianificazione del trattamento radioterapico e le caratteristiche basali del paziente derivate da dati di immagini e non, continuamente aggiornati man mano che il paziente viene rivisto sia durante che dopo il trattamento.

Un obiettivo secondario del progetto è facilitare la ricerca nell'apprendimento automatico e nell'elaborazione di immagini mediche per la radioterapia attraverso la creazione di una risorsa di dati rilevabile e condivisa per uso di ricerca.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Anticipato)

310

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Backup dei contatti dello studio

Luoghi di studio

  • Regno Unito
    • Cambridgeshire
      • Cambridge, Cambridgeshire, Regno Unito, CB2 0QQ
        • Reclutamento
        • Cambridge University Hospitals NHS Foundation Trust
        • Contatto:
        • Investigatore principale:
          • Raj Dr. Jena

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

18 anni e precedenti (Adulto, Adulto più anziano)

Accetta volontari sani

N/A

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Adulti idonei per radioterapia radicale guidata da immagini con cancro alla prostata, alla testa e al collo, al cervello o ai polmoni. La variazione delle condizioni si basa sui requisiti degli algoritmi di Machine Learning che richiedono alti livelli di applicabilità clinica, che dipende dalla qualità e dalla quantità dei dati di input disponibili. Il set di dati di input dovrebbe quindi comprendere adeguatamente la variazione anatomica riscontrata nella popolazione.

Descrizione

Criterio di inclusione:

  • - Il partecipante è disposto e in grado di fornire il consenso informato per la partecipazione allo studio
  • Maschio o femmina
  • Di età pari o superiore a 18 anni
  • Diagnosi di cancro alla prostata primario, cancro della testa e del collo, cancro ai polmoni o tumore al cervello
  • Trattata con intento curativo
  • Adatto per la radioterapia radicale guidata dall'immagine
  • Performance status ECOG OMS 0 o 1
  • Sopravvivenza attesa di 18 mesi o più

Criteri di esclusione:

  • Il partecipante non è disposto o in grado di completare i requisiti dello studio dichiarati dal protocollo, ad es. accesso e completamento di questionari di follow-up a lungo termine basati sul web.

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

  • Modelli osservazionali: Coorte
  • Prospettive temporali: Prospettiva

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
Cancro alla prostata
Adulti adatti alla radioterapia radicale guidata da immagini per il loro cancro alla prostata, circa 170 pazienti Verranno utilizzati i componenti dei questionari RTOG, LENT SOM(A), scala dei sintomi RMH e UCLA PCI (indice del cancro alla prostata).
Radiazione: Radioterapia radicale guidata da immagini
I questionari somministrati monitoreranno la tossicità clinica sperimentata da ciascun paziente fino a 5 anni dopo la radioterapia
Cancro alla testa e al collo
Adulti idonei per la radioterapia radicale guidata da immagini per il cancro della testa e del collo, circa 140 pazienti. Verranno utilizzati i componenti dei questionari CTCAE v3, LENT SOM(A), EORTC QLQ H+N35 e xerostomia modificata.
Radiazione: Radioterapia radicale guidata da immagini
I questionari somministrati monitoreranno la tossicità clinica sperimentata da ciascun paziente fino a 5 anni dopo la radioterapia
Tumori del sistema nervoso centrale
Adulti adatti alla radioterapia radicale guidata da immagini per il loro tumore del sistema nervoso centrale, reclutati quanti più pazienti possibile. Verranno utilizzati i componenti dei questionari RTOG, LENT SOM(A), Folstein Mini Mental State Examination e Generalized Activites of Daily Living Scale (G-ADL).
Radiazione: Radioterapia radicale guidata da immagini
I questionari somministrati monitoreranno la tossicità clinica sperimentata da ciascun paziente fino a 5 anni dopo la radioterapia
Cancro ai polmoni
Adulti adatti alla radioterapia radicale guidata da immagini per il cancro al polmone, reclutare il maggior numero possibile di pazienti. Verranno utilizzati componenti dei questionari RTOG e LENT SOM(A).
Radiazione: Radioterapia radicale guidata da immagini
I questionari somministrati monitoreranno la tossicità clinica sperimentata da ciascun paziente fino a 5 anni dopo la radioterapia

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Modellazione dell'apprendimento automatico
Lasso di tempo: 8 anni dal FPFV
Caratterizza i modelli di machine learning per i quattro siti della malattia. Sviluppo di algoritmi di apprendimento automatico per l'autosegmentazione dell'anatomia dei tessuti normali e per estendere gli algoritmi di apprendimento automatico per identificare e segmentare le strutture dei tessuti normali nelle immagini TC cone beam e utilizzare le segmentazioni ML per valutare le firme delle immagini correlate alla tossicità del trattamento
8 anni dal FPFV
Modellazione predittiva
Lasso di tempo: 8 anni dal FPFV
Prevedi le corrispondenze delle prestazioni con le tecniche pubblicate. Combinazione dei modelli di apprendimento automatico nel risultato 1, con i dati di valutazione pre-trattamento e le valutazioni quantitative durante il trattamento nel risultato 3 per la costruzione e la valutazione di un modello matematico predittivo
8 anni dal FPFV
Valutazione della tossicità clinica
Lasso di tempo: 8 anni dal FPFV
Valutazione della tossicità clinica sperimentata da ciascun paziente fino a 5 anni dopo la radioterapia per informare i modelli predittivi nel risultato 2
8 anni dal FPFV

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

CCTU- Cancer Theme

Collaboratori

University of Cambridge
Microsoft Research

Investigatori

  • Investigatore principale: Raj Dr. Jena, Cambridge University Hospitals NHS Foundation Trust & the University of Cambridge
  • Investigatore principale: Suzanne Miller, Cambridge University Hospitals NHS Foundation Trust
  • Investigatore principale: Amy Bates, Cambridge University Hospitals NHS Foundation Trust

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

11 settembre 2019

Completamento primario (Anticipato)

1 gennaio 2023

Completamento dello studio (Anticipato)

1 gennaio 2028

Date di iscrizione allo studio

Primo inviato

15 agosto 2019

Primo inviato che soddisfa i criteri di controllo qualità

16 agosto 2019

Primo Inserito (Effettivo)

19 agosto 2019

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

2 agosto 2021

Ultimo aggiornamento inviato che soddisfa i criteri QC

26 luglio 2021

Ultimo verificato

1 luglio 2021

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Altri numeri di identificazione dello studio

  • Hamlet.rt

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

Indeciso

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

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 .

Prove cliniche su Cancro

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Albania

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi