- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT04674579
Segmentazione automatica MRI Glioma cerebrale
Il valore aggiunto della segmentazione automatica dei gliomi cerebrali nella risonanza magnetica multisequenza (MRI)
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
I gliomi sono i tumori cerebrali primitivi più comuni e sono classificati in base al loro aspetto istopatologico utilizzando il sistema dell'Organizzazione Mondiale della Sanità (OMS) in gliomi di basso grado (LGG) (gradi I e II) e gliomi di alto grado (glioma anaplastico di grado III e grado glioblastoma IV.
I gliomi, particolarmente di alto grado, mostrano schemi di crescita irregolari che si infiltrano nel cervello circostante e quindi mostrano confini irregolari che potrebbero non essere chiari sulle immagini di risonanza magnetica (MRI) convenzionali Le immagini RM vengono ispezionate visivamente dai radiologi, tuttavia, la valutazione visiva è soggettiva e richiede tempo e incline alla variabilità a causa delle differenze inter-valutatore. La delineazione accurata dei confini del tumore e la valutazione del volume del tumore sono essenziali per la pianificazione del trattamento e il monitoraggio della risposta al trattamento . Tuttavia, la delineazione accurata dei confini del glioma utilizzando la valutazione visiva soggettiva è spesso difficile a causa dell'eterogeneità e della complessità del tumore, della sovrapposizione dell'intensità del segnale con i tessuti circostanti e della crescita irregolare del tumore nelle strutture vicine .
Rispetto alla volumetria del tumore, la valutazione visiva di routine della dimensione del tumore si basa su semplici misurazioni lineari del volume lordo del tumore. Queste misurazioni bidimensionali vengono spesso eseguite su una singola sezione MRI senza misurazioni volumetriche. Queste misurazioni lineari dipendono dall'utente e sono soggette a errori a causa della maggiore variabilità delle misurazioni, specialmente nelle lesioni di forma irregolare I metodi di segmentazione del tumore completamente automatici basati su computer rappresentano una possibile soluzione a questi problemi. Il processo si basa sull'estrazione di informazioni dalle immagini MRI cerebrali strutturali utilizzando un modello di tessuto probabilistico per definire i confini chiari del tumore utilizzando diverse sequenze di impulsi MRI. Questi metodi potrebbero identificare accuratamente e rapidamente il glioma dal tessuto cerebrale normale circostante ed eseguire la volumetria del tumore, eliminando la variabilità intra-osservatore e inter-osservatore I cambiamenti interni all'interno del glioma, come il modello di miglioramento e la degenerazione, sono cruciali per l'identificazione del grado del glioma, la trattamento, monitoraggio della progressione della malattia e valutazione dell'efficacia della terapia. Nel processo di segmentazione automatica del glioma, diverse parti del glioma sono caratterizzate da tumore solido (attivo), necrosi ed edema peritumorale.
I metodi di segmentazione automatica utilizzano tecniche di intelligenza artificiale e apprendimento automatico per l'estrazione di informazioni dalla risonanza magnetica multi-sequenza tra cui, fondamentalmente, sequenze T1W, T1W potenziate con gadolinio, T2W e FLAIR.
Un'appropriata valutazione dell'estensione della resezione del tumore gioca un ruolo importante nella prognosi del glioma, poiché massimizzare l'estensione della resezione influenza la sopravvivenza in questi pazienti. La resezione completa del tumore enhancement, definita come la rimozione dell'1-2% finale del tumore, sembra fornire il maggior beneficio in termini di sopravvivenza del paziente. La segmentazione automatica potrebbe portare a una migliore diagnosi ea una corretta pianificazione del trattamento attraverso un'accurata localizzazione e classificazione del tumore.
Tipo di studio
Iscrizione (Anticipato)
Contatti e Sedi
Contatto studio
- Nome: fatma sedeek
- Numero di telefono: 01066952726
- Email: fatma.rabiee15@gmail.com
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Sessi ammissibili allo studio
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Pazienti con gliomi cerebrali identificati dalla risonanza magnetica che saranno trattati chirurgicamente
Criteri di esclusione:
- Gliomi precedentemente operati o sottoposti a biopsia.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Coorte
- Prospettive temporali: Prospettiva
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
valutare il ruolo della segmentazione automatica dei gliomi cerebrali nelle immagini RM multi-sequenza in correlazione con i reperti operatori.
Lasso di tempo: linea di base
|
Lo scopo di questo studio è valutare il ruolo della segmentazione automatica dei gliomi cerebrali in immagini RM multi-sequenza utilizzando metodi all'avanguardia per la segmentazione automatica e la classificazione interna dei tumori cerebrali in correlazione con i risultati operativi.
|
linea di base
|
Collaboratori e investigatori
Sponsor
Investigatori
- Direttore dello studio: Mostafa Mostafa, Assiut University
- Direttore dello studio: Hosameldeen Metwalli, Assiut University
- Direttore dello studio: Noha Attia, Assiut University
- Investigatore principale: fatma sedeek, Assiut University
Pubblicazioni e link utili
Pubblicazioni generali
- Soltaninejad M, Yang G, Lambrou T, Allinson N, Jones TL, Barrick TR, Howe FA, Ye X. Automated brain tumour detection and segmentation using superpixel-based extremely randomized trees in FLAIR MRI. Int J Comput Assist Radiol Surg. 2017 Feb;12(2):183-203. doi: 10.1007/s11548-016-1483-3. Epub 2016 Sep 20.
- Wen PY, Macdonald DR, Reardon DA, Cloughesy TF, Sorensen AG, Galanis E, Degroot J, Wick W, Gilbert MR, Lassman AB, Tsien C, Mikkelsen T, Wong ET, Chamberlain MC, Stupp R, Lamborn KR, Vogelbaum MA, van den Bent MJ, Chang SM. Updated response assessment criteria for high-grade gliomas: response assessment in neuro-oncology working group. J Clin Oncol. 2010 Apr 10;28(11):1963-72. doi: 10.1200/JCO.2009.26.3541. Epub 2010 Mar 15.
- Niyazi M, Brada M, Chalmers AJ, Combs SE, Erridge SC, Fiorentino A, Grosu AL, Lagerwaard FJ, Minniti G, Mirimanoff RO, Ricardi U, Short SC, Weber DC, Belka C. ESTRO-ACROP guideline "target delineation of glioblastomas". Radiother Oncol. 2016 Jan;118(1):35-42. doi: 10.1016/j.radonc.2015.12.003. Epub 2016 Jan 6.
- Tabatabai G, Stupp R, van den Bent MJ, Hegi ME, Tonn JC, Wick W, Weller M. Molecular diagnostics of gliomas: the clinical perspective. Acta Neuropathol. 2010 Nov;120(5):585-92. doi: 10.1007/s00401-010-0750-6. Epub 2010 Sep 23. Review.
- Kanaly CW, Mehta AI, Ding D, Hoang JK, Kranz PG, Herndon JE 2nd, Coan A, Crocker I, Waller AF, Friedman AH, Reardon DA, Sampson JH. A novel, reproducible, and objective method for volumetric magnetic resonance imaging assessment of enhancing glioblastoma. J Neurosurg. 2014 Sep;121(3):536-42. doi: 10.3171/2014.4.JNS121952. Epub 2014 Jul 18.
- Meier R, Knecht U, Loosli T, Bauer S, Slotboom J, Wiest R, Reyes M. Clinical Evaluation of a Fully-automatic Segmentation Method for Longitudinal Brain Tumor Volumetry. Sci Rep. 2016 Mar 22;6:23376. doi: 10.1038/srep23376.
- Gordillo N, Montseny E, Sobrevilla P. State of the art survey on MRI brain tumor segmentation. Magn Reson Imaging. 2013 Oct;31(8):1426-38. doi: 10.1016/j.mri.2013.05.002. Epub 2013 Jun 20. Review.
- Porz N, Habegger S, Meier R, Verma R, Jilch A, Fichtner J, Knecht U, Radina C, Schucht P, Beck J, Raabe A, Slotboom J, Reyes M, Wiest R. Fully Automated Enhanced Tumor Compartmentalization: Man vs. Machine Reloaded. PLoS One. 2016 Nov 2;11(11):e0165302. doi: 10.1371/journal.pone.0165302. eCollection 2016.
- Naceur MB, Saouli R, Akil M, Kachouri R. Fully Automatic Brain Tumor Segmentation using End-To-End Incremental Deep Neural Networks in MRI images. Comput Methods Programs Biomed. 2018 Nov;166:39-49. doi: 10.1016/j.cmpb.2018.09.007. Epub 2018 Sep 21.
Studiare le date dei record
Studia le date principali
Inizio studio (Anticipato)
Completamento primario (Anticipato)
Completamento dello studio (Anticipato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- MRI cerebral glioma
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 .
Prove cliniche su Glioblastoma cerebrale
-
University Hospital MuensterIsotope Technologies Munich (ITM) Oncologics; Helmholtz Zentrum München Deutsches...ReclutamentoGlioblastom grado 4 dell'OMSGermania
Prove cliniche su Risonanza magnetica
-
Rennes University HospitalBayerTerminatoSclerosi multipla (SM) | Malattia infiammatoriaFrancia
-
Memorial Sloan Kettering Cancer CenterTerminatoCarcinoma polmonare non a piccole celluleStati Uniti
-
Assistance Publique - Hôpitaux de ParisNon ancora reclutamentoEpilessia | Epilessia resistente ai farmaci
-
Memorial Sloan Kettering Cancer CenterNational Institutes of Health (NIH)Attivo, non reclutante
-
Universitaire Ziekenhuizen KU LeuvenSconosciutoRicorrenza | Cancro della cervice uterina | RM pesata in diffusioneBelgio
-
Cambridge University Hospitals NHS Foundation TrustReclutamento
-
The Hospital for Sick ChildrenIscrizione su invito
-
Reto Sutter, MDReclutamento
-
Seoul National University Bundang HospitalBayerCompletato
-
Memorial Sloan Kettering Cancer CenterReclutamento