子宮頸がんの個別化治療のための臨床的に高効率なプラットフォームの開発
子宮頸がんの治療のための高度な放射線技術、定量的イメージング、分子生物学、機械学習の統合による、個別化された治療のための臨床的高効率プラットフォームの開発。
機械学習アプリケーションを開発および検証するために患者データを利用したレトロスペクティブ研究。 治療を完了した患者の利用可能な画像データセットを使用して、正常な組織の合併症の確率と腫瘍制御の確率を作成します
仮説 既存の放射線治療情報、定量画像、完了済みおよび進行中の臨床試験からの患者転帰データを統合することで、効率的な治療を提供するための知識ベースのシステムの開発が可能になり、子宮頸がんの強化された治療アプローチのための患者の選択が可能になります。
調査の概要
状態
条件
詳細な説明
目的 1. ベースラインおよび小線源治療における総腫瘍体積 (GTV) およびベースラインおよび小線源治療における高リスク臨床標的体積 (CTV) の子宮頸がんの複雑な腫瘍標的の自動描写は、MRI で行われます。
以下の構造は CT での自動化のために処理されます
- 低リスクの臨床ターゲット ボリューム (低リスク CTV)
- GTV: ノーダル
- 選択的リンパ節骨盤目標体積
- 選択的リンパ節骨盤および傍大動脈容積
- 直腸
- 膀胱
- シグモイド
- 腸
- 骨髄
目的 2. 治験責任医師は、機械学習を使用して、より堅牢な正常組織毒性予測モデルを開発する予定です。 放射線量マップのテクスチャ分析やフォローアップ組織密度などのさらに高度な技術も実行され、毒性の予測モデルが開発されます。 私たちの患者データセットを使用することにより、治験責任医師は、放射線腫瘍学部門で利用できるようになる陽子線計画システムで陽子線計画のライブラリを作成したいと考えており、利用可能な開発された正常組織の合併症プロットを使用して、陽子を介して達成可能な線量の情報を特定するのに役立ちます陽子線治療の恩恵を受ける患者。
目的 3. このプロジェクト内で、治験責任医師は、子宮頸がんの「高リスク コホート」の応答予測と識別のために、病期分類、病理学、および定量的イメージング テクスチャ機能を統合する予定です。 ベースラインで MRI を受けた患者の画像と臨床データが含まれます。テクスチャの特徴を使用して、化学放射線療法後の「応答が良好な患者」と「応答が不十分な患者」を分類できます。 患者の同じコホートについて、治験責任医師は追加のバイオマーカー (AKT、LICAM、PDL1、CD4、CD8 など) の結果を含む利用可能な組織も持っています。 治験責任医師は、最初にテクスチャーの特徴の違いを相関させ、異なる分子の特徴のパターンがあるかどうかを確認するつもりです。 2 番目のステップでは、「リスク予測モデル」を開発するために、イメージングと分子の特徴を統合することができます。 ベースラインでの 150 のデータセットと Aim 1 内の小線源治療で描写された GTV と HRCTV を利用して、レスポンダーとノンレスポンダーを分類し、別の 150 人の患者データセットを検証します。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Supriya Sastri (nee Chopra), MD
- 電話番号：5113 02227405000
- メール：supriyasastri@gmail.com
研究連絡先のバックアップ
- 名前：Supriya Sastri (nee Chopra), MD
- 電話番号：5113 02227405000
- メール：schopra@actrec.gov.in
研究場所
-
-
Maharashtra
-
Navi Mumbai、Maharashtra、インド、410210
- 募集
- Advanced Centre of Treatment Research and Education In Cancer,Tata Memorial Centre
-
コンタクト：
- Dr Supriya Chopra, MD
- 電話番号：5491 91-22-27405000
- メール：schopra@actrec.gov.in
-
主任研究者：
- Supriya Chopra, MD
-
-
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:
目的 1 と目的 3 の場合:
- -進行中および完了した子宮頸がんの化学放射線療法および小線源治療の臨床試験で治療を受けた患者 診断および小線源治療の時点でMRI / CT画像にアクセスできる
- -術後または根治的放射線療法を受けており、術後または根治的RTの試験内で治療されている患者。
除外基準:
- 病気または毒性の結果の欠如。
- 病院のデータベースに画像がありません。
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
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 |
|---|---|---|
|
子宮頸がんの自動標的描写のためのソフトウェアの生成
時間枠：3年
|
1. 時間効率のよい方法で子宮頸がんの標的を描写し、計画するための自動化されたプラットフォームを開発し、検証すること。 a.マルチモダリティ医療診断画像における異常な癌組織の機械学習ベースの検出。 b. 婦人科癌の外部照射および小線源治療の自動計画のための機械ベース システムのトレーニング。 |
3年
|
|
正常組織合併症プロットの開発と検証
時間枠：3年
|
2. 既存のデータベースと放射線量マップ、機械学習用の画像テクスチャ機能と有害事象データを使用して、「正常組織合併症プロット」を作成し、高度な放射線技術 (陽子線治療など) の恩恵を受ける可能性のある子宮頸がん患者のサブグループを特定する
|
3年
|
|
将来的に治療を強化することで恩恵を受ける可能性のある「ハイリスク患者集団」を特定する
時間枠：3年
|
3.進行中の施設内および共同臨床試験内で高度な画像テクスチャ分析を使用して、将来の治療の強化から恩恵を受ける可能性のある「高リスク患者集団」を特定する
|
3年
|
協力者と研究者
スポンサー
協力者
捜査官
- 主任研究者：Supriya Sastri (nee Chopra), MD、Tata Memorial Centre, The Advanced Centre for Treatment, Research and Education in Cancer (ACTREC)
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
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
- TMC IRB 900787
- CTRI/2021/08/035810 (レジストリ識別子：Clinical Trials Registry - India)
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
米国で製造され、米国から輸出された製品。
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。