オミクスデータに基づく薬物反応の計算予測
コンパニオン トライアル イン シリコ: 臨床試験におけるがん患者の薬物反応の計算 (PRincipal-001)
調査の概要
状態
状態
条件
条件
介入・治療
介入・治療
詳細な説明
バーチャル臨床試験の有効性予測結果と従来の臨床試験の有効性結果との整合性を検証するために、抗腫瘍登録新薬の実際の臨床試験と直接比較するためのコンパニオン トライアルが計画されました。
被験者は、コンピューターモデリングと人工知能技術によって構築された現実世界の臨床試験と仮想臨床試験に同時に参加しました。 従来の臨床試験の結果を仮想臨床試験の結果と比較して、仮想臨床試験の一貫性を計算しました。
一貫した有効性を持つ集団を予測し、応答集団を新薬にロックし、計算医学の革新的な技術を使用し、応答集団のオミクス特性を把握し、これを出発点として臨床試験の対象集団を決定することにより、新しいスクリーニング条件を決定し、新しい臨床試験を設計し、有効な母集団を正確に一致させ、臨床試験の効率を革新的に変更し、それによって臨床試験開発のプロセスとコストを短縮します。
研究の種類
研究の種類
入学 (予想される)
入学
連絡先と場所
研究場所
-
-
Beijing
-
Beijing、Beijing、中国、100142
- Shuhua Zhao
-
-
参加基準
適格基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- トリプルネガティブ乳がんの臨床診断
- 被験者は従来の臨床試験に参加することに同意し、インフォームド コンセントに署名しました。
- 被験者は仮想研究に参加することに同意し、インフォームド コンセントに署名しました。
除外基準:
- -被験者は、従来の臨床試験の選択基準を満たしていません。
- 他のがん疾患に罹患している被験者
研究計画
研究はどのように設計されていますか?
デザインの詳細
グループ/コホートの数
コホートと介入
グループ/コホートグループ/コホート |
介入・治療介入・治療 |
|---|---|
|
仮想コホート
コンピュータ臨床試験 (ISCT) に登録し、仮想抗がん剤で治療される仮想コホート。
|
仮想抗がん剤は、コンピューターモデリングと人工知能技術によって生成された製剤でした
他の名前:
|
|
本当のコホート
実際の研究に登録し、抗がん剤で治療される実際のコホート。
|
この研究は何を測定していますか?
主要な結果の測定
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
一貫性
時間枠:被験者への薬物の最初の投与の8週間後
|
2 つのコホート間の腫瘍反応の一貫性を比較します。
従来の臨床試験コホートにおける患者の腫瘍反応は、固形腫瘍 v1.1 における新しい反応評価基準によって評価されます。
仮想研究における仮想患者の腫瘍反応は、トレーニング済みモデルによって予測されます。有効性予測モデルは、少なくとも 2 人の患者を含む、固形腫瘍における新しい反応評価基準 v1.1 に従って腫瘍反応について評価された 4 ~ 5 人の患者を使用してトレーニングされます。完全奏効または部分奏効。
このモデルのトレーニングは、Damage Assessment of Genomic Mutations アルゴリズム(EBioMedicine. 2021 Jul;69:103446)患者のゲノムデータを入力。
|
被験者への薬物の最初の投与の8週間後
|
協力者と研究者
協力者
協力者
捜査官
捜査官
- 主任研究者:Min Jiang、Peking University Cancer Hospital & Institute
出版物と役立つリンク
一般刊行物
- Olivier M, Asmis R, Hawkins GA, Howard TD, Cox LA. The Need for Multi-Omics Biomarker Signatures in Precision Medicine. Int J Mol Sci. 2019 Sep 26;20(19):4781. doi: 10.3390/ijms20194781.
- Yang M, Fan Y, Wu ZY, Gu J, Feng Z, Zhang Q, Han S, Zhang Z, Li X, Hsueh YC, Ni Y, Li X, Li J, Hu M, Li W, Gao H, Yang C, Zhang C, Zhang L, Zhu T, Cheng M, Ji F, Xu J, Cui H, Tan G, Zhang MQ, Liang C, Liu Z, Song YQ, Niu G, Wang K. DAGM: A novel modelling framework to assess the risk of HER2-negative breast cancer based on germline rare coding mutations. EBioMedicine. 2021 Jul;69:103446. doi: 10.1016/j.ebiom.2021.103446. Epub 2021 Jun 19.
- DiMasi JA, Grabowski HG, Hansen RW. Innovation in the pharmaceutical industry: New estimates of R&D costs. J Health Econ. 2016 May;47:20-33. doi: 10.1016/j.jhealeco.2016.01.012. Epub 2016 Feb 12.
便利なリンク
- The latest global cancer burden data for 2020
- Annual progress report on clinical trials of new drug registration in China ( 2021 )
- At the end of 2021, Center for Drug Evaluation of National Medical Products Administration issued the Guideline: Guiding principles for clinical research and development of anti-tumor drugs '
研究記録日
主要日程の研究
研究開始 (実際)
研究開始
一次修了 (予想される)
一次修了
研究の完了 (予想される)
研究の完了
試験登録日
最初に提出
最初に提出
QC基準を満たした最初の提出物
QC基準を満たした最初の提出物
最初の投稿 (実際)
最初の投稿
学習記録の更新
投稿された最後の更新 (実際)
投稿された最後の更新
QC基準を満たした最後の更新が送信されました
QC基準を満たした最後の更新が送信されました
最終確認日
最終確認日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
その他の研究ID番号
- 2022YJZ109
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。