膠芽腫の治療の改善：進行と偽進行の区別
ルーチンの臨床データに機械学習技術を適用して偽進行から進行を区別することにより、膠芽腫の治療を改善する
神経膠芽腫は、最も悪性度の高い種類の脳腫瘍であり、他のどのがんよりも平均して 20 年の命が失われます。 脳の MRI 画像を手術前と治療後数か月ごとに撮影して、がんが再増殖するかどうかを確認します。 これらの画像に写っているものががんの進行を表しているのか、それとも治療の副作用を表しているのかを医師が判断するのは難しい場合があります。 治療の副作用の外観が癌に似ていることは紛らわしく、(真の癌の進行とは対照的に)「偽の進行」として知られています。
医師が治療の副作用の出現を成長中のがんと間違えると、治療が失敗していると考えて、患者の治療を早期に変更したり、臨床試験に入れたりする可能性があります。 これは、患者が完全な治療を受けられない可能性があり、一部の臨床試験の結果が信頼できないことを意味します.
この研究の目的は、治療中に日常的に得られる脳の MRI 画像を使用するコンピューター プログラムを医師に提供し、がんがいつ再増殖したかをより正確に特定できるようにすることです。
調査の概要
状態
条件
詳細な説明
疑似進行の影響は、患者のケアと医学研究に大きく影響します。 既存の証拠は、通常の MRI 画像を使用して生存を予測し、進行と疑似進行を区別するために、サポート ベクター マシンとディープ ラーニング分類モデルを使用することが実行可能であることを示しています。 研究者は、パラメトリック応答マップを使用して (彼らが開発した最先端の術後から術前の画像登録方法を介して) ルーチンの MRI 画像で経時的に変化する信号をキャプチャし、そのような分類器を使用して進行を疑似進行と区別したいと考えています。 研究者が提案している研究は、疑似進行の問題に対する解決策を提供し、NHS全体で簡単かつ効率的に実施するために必要です。 重要なことに、これは高度なイメージング技術に依存しません。
過去 24 か月間に KCH で収集されたデータによると、主要な神経膠腫画像センターでさえ、患者の 66% のみが高度な画像検査を受けていました (例: DSC-MRI) は、造影剤の増加、つまり進行の可能性があるときに実行されます。 この研究の主な目的は、分類子をトレーニングするために日常的な臨床 MRI データを使用することです。 このような日常的な MRI データはすべての画像センターで取得できるため、これにより分類器の有用性が高まります。したがって、新しい分類器は、高度な画像技術に依存する代替分類器よりもはるかに費用対効果の高いソリューションを提供できます。
分類モデルの初期トレーニング、テスト、相互検証は、公的にアクセス可能な画像アーカイブとロンドンのキングス カレッジ病院 (KCH) から取得した神経膠芽腫の MRI データを使用して実施されます。 臨床的検証のために、訓練されたモデルは、前向きに募集された患者からの MRI データを使用してテストされます。
研究の種類
入学 (予想される)
連絡先と場所
研究連絡先
- 名前：Thomas C Booth, Dr
- 電話番号：02078489568
- メール：thomas.booth@kcl.ac.uk
研究連絡先のバックアップ
- 名前：Shuaib, MSc
- メール：haris.shuaib@kcl.ac.uk
研究場所
-
-
-
Brighton、イギリス、BN2 5BE
- 募集
- Royal Sussex County Hospital, Brighton and Sussex University Hospitals NHS Trust
-
主任研究者：
- Ed Chandy
-
Cardiff、イギリス、CF14 2TL
- 募集
- Velindre Cancer Centre, Velindre University NHS Trust
-
主任研究者：
- James Powell
-
Dundee、イギリス、DD1 9SY
- 募集
- Ninewells Hospital and Medical School, NHS Tayside
-
主任研究者：
- Avinash Kanodia
-
Hull、イギリス、HU3 2KZ
- 募集
- Hull Royal Infirmary, Hull University Teaching Hospitals NHS Trust
-
主任研究者：
- Chris Rowland Hill
-
Leeds、イギリス、LS1 3EX
- 募集
- Leeds General Infirmary, The Leeds Teaching Hospitals NHS Trust
-
主任研究者：
- Ryan Mathew
-
London、イギリス、W6 8RF
- 募集
- Charing Cross Hospital, Imperial College Healthcare NHS Trust
-
London、イギリス、SE1 9RT
- 募集
- Guy's Hospital, Guy's and St Thomas' NHS Foundation Trust
-
主任研究者：
- Haris Shuaib
-
London、イギリス、SE5 9RS
- 募集
- King's College Hospital, King's College Hospital NHS Trust
-
London、イギリス、WC1N 3BG
- 募集
- National Hospital for Neurology and Neurosurgery, University College London Hospitals NHS Foundation Trust
-
主任研究者：
- Steffi Thust
-
Manchester、イギリス、M20 4BX
- 募集
- The Christie Hospital, The Christie NHS Foundation Trust
-
主任研究者：
- Sean Tenant
-
Newcastle、イギリス、NE7 7DN
- 募集
- Newcastle upon Tyne Hospitals NHS Foundation Trust- Newcastle Freeman Hospital
-
主任研究者：
- Joanne Lewis
-
Nottingham、イギリス、NG7 2UH
- 募集
- Nottingham University Hospitals NHS Trust- City Hospital
-
Plymouth、イギリス、PL6 8DH
- 募集
- University Hospitals Plymouth NHS Trust
-
主任研究者：
- Mark Thurston
-
Preston、イギリス、PR2 9HT
- 募集
- Lancashire Teaching Hospitals NHS Foundation Trust
-
主任研究者：
- Erica Beamount
-
Sutton、イギリス、SM2 5PT
- 募集
- The Royal Marsden Hospital, Royal Marsden NHS Foundation Trust
-
主任研究者：
- Liam Welsh
-
-
参加基準
適格基準
就学可能な年齢
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:
- -膠芽腫と診断されている（世界保健機関グレードIV）
- -標準Stupp治療レジメンを受けている患者
- -手術前のスキャンと化学放射線療法後の少なくとも1回のフォローアップスキャンを受けている
除外基準:
- 不十分な臨床的および放射線学的フォローアップ
- 患者の治療は、介入試験に募集され、患者の試験治療について十分な情報が知られていないなど、標準的な Stupp レジメンから大きく逸脱しています。
- -Stuppレジメンの完了前にベバシズマブなどの血管新生阻害剤による治療を受けている患者
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
- 観測モデル：コホート
- 時間の展望：見込みのある
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
人工知能モデルの精度
時間枠：36ヶ月まで
|
真陽性と真陰性に対する感度と特異性の混同行列によって定義されます。
|
36ヶ月まで
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
人工知能モデルの失敗率
時間枠：36ヶ月まで
|
テストが結果を提供できない割合 (例:
品質が悪いか、データが欠落しているため）
|
36ヶ月まで
|
協力者と研究者
捜査官
- 主任研究者：Thomas Booth、King's College London
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (予想される)
研究の完了 (予想される)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
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
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
- 5.0 15/01/21
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?
IPD プランの説明
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。