神経膠腫における放射線化学療法感受性と関連する放射線ゲノミクスの特徴に関する研究
MRI データは、手術前、放射線化学療法開始の 2 週間前、放射線療法完了後 1 か月後 (低悪性度神経膠腫、LGG の場合)、または放射線化学療法完了後 4 か月後と 10 か月後 (高悪性度神経膠腫、 HGG）。 放射線化学療法の感受性ラベルは、RANO 基準に従って、放射線化学療法の前後に得られた MRI 画像に基づいて作成されました。 ラジオミクスの特徴は術前の MRI 画像から抽出され、腫瘍組織の配列決定から得られたトランスクリプトーム情報と組み合わせられました。 このプロセスにより、放射線化学療法に対する神経膠腫の反応を予測できる放射線ゲノミクス モデルの構築が可能になりました。
この前向きコホート研究では、開頭術を受け、術後放射線療法または放射線化学療法を受けた神経膠腫患者を募集します（それぞれLGGおよびHGGの場合）。 同じシーケンスの MRI 画像が対応する時点で収集され、手術中に得られた腫瘍組織に対してトランスクリプトーム シーケンスが実行されます。 確立されたモデルは、放射線化学療法の感受性を予測するために適用され、RANO 基準に基づいて構築された「真の」放射線化学療法感受性ラベルと比較されて、モデルの予測性能が評価されます。
調査の概要
詳細な説明
この試験は、統計計算に基づいて、LGG 100 例と HGG 100 例を募集することを目的としています。 T1 強調、T2 強調、T1 造影、および T2 流体減衰反転回復 (FLAIR) シーケンスを含む MRI データは、手術前、放射線化学療法開始の 2 週間前、放射線療法完了 1 か月後 (LGG) に収集されます。 、または放射線化学療法 (HGG) 完了後 4 か月および 10 か月後。
放射線化学療法の前後で収集された MRI 画像は、腫瘍体積の変化を評価するために使用されます。 RANO 基準は、放射線化学療法に対する腫瘍の感受性を決定するために使用されます。完全奏効と部分奏効は感受性があると分類され、安定した疾患と疾患の進行は感受性が低いと見なされます。
ラジオミクス特徴は、画像の前処理とセグメンテーションを実行した後、オープンソースの「PyRadiomics」Python パッケージを使用して抽出されます。 トランスクリプトームデータは、手術中に収集された腫瘍サンプルの RNA シーケンス分析を実行することによって取得されます。 選択された放射線ゲノム特徴は、放射線化学療法に対する神経膠腫の感受性を予測するために、事前に構築された機械学習モデルに組み込まれます。 モデルのパフォーマンスは、分類精度 (ACC)、受信者動作特性曲線下面積 (AUC)、陽性的中率 (PPV)、陰性的中率 (NPV) などの指標を使用して評価されます。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究連絡先
- 名前：Tao Jiang, MD and PhD
- 電話番号：+86 10 67021832
- メール：taojiang1964@163.com
研究連絡先のバックアップ
- 名前：Yinyan Wang, MD and PhD
- 電話番号：+86 13581698953
- メール：tiantanyinyan@126.com
研究場所
-
-
Beijing
-
Beijing、Beijing、中国、100071
- 募集
- Beijing Tiantan Hospital
-
コンタクト：
- Yinyan Wang, MD and PhD
- 電話番号：+86 13581698953
- メール：tiantanyinyan@126.com
-
-
参加基準
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
説明
包含基準:
- 18歳以上の患者
- 組織学的に確認された神経膠腫
- 他の脳腫瘍や以前の頭蓋手術の病歴はない
- 術前放射線療法または化学療法の既往がないこと
- 利用可能な術前、放射線治療前（術後）、および放射線治療後の磁気共鳴画像法（MRI）データ
除外基準:
- 参加基準のいずれにも該当しない方
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
- 主な目的：診断
- 割り当て：なし
- 介入モデル：単一グループの割り当て
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
他の：放射線化学療法に対する神経膠腫患者の反応を評価する
放射線化学療法に対する神経膠腫患者の反応は、RANO 基準と確立された放射線ゲノミクスに基づく人工知能モデルによって評価されます。
|
確立された放射線ゲノミクスベースの人工知能モードを使用して、神経膠腫患者の放射線化学療法感受性を予測します
|
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 |
|---|---|---|
|
放射線化学療法の反応予測における AI モデルの感度
時間枠：放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
感度 = TP/(TP+FN)
|
放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
|
放射線化学療法の反応予測における AI モデルの特異性
時間枠：放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
特異度 = TN/(TN+FP)
|
放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
|
受信者動作特性曲線 (AUC) の下の領域
時間枠：放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
AUC は、ROC 曲線全体の下の 2 次元領域全体を測定します。
|
放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
放射線化学療法の反応予測における AI モデルの精度
時間枠：放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
放射線治療感度予測AIモデルの精度 = (TP+TN)/(TP+TN +FP+FN)
|
放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
|
放射線化学療法の反応予測における AI モデルの陽性的中率 (PPV)
時間枠：放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
放射線治療感度予測AIモデルのPPV = [TP/(TP+FP)]*100
|
放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
|
放射線化学療法の反応予測における AI モデルの陰性的中率 (NPV)
時間枠：放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
放射線治療感度予測AIモデルのNPV = [TN/(FN+TN)]*100
|
放射線療法（LGG）後 1 か月。放射線化学療法 (HGG) 後 4 か月と 10 か月
|
協力者と研究者
スポンサー
捜査官
- 主任研究者：Yinyan Wang, MD and PhD、Beijing Tiantan Hospital
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
- 82072786
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。