このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

胃癌腹膜転移およびcachexiaの予測モデルの開発Bub1および放射性障害データを使用した深い学習を使用した学習 (BUDDLE)

2025年2月27日 更新者:Qun Zhao
この臨床試験は、高度な深い学習技術を使用してBUB1遺伝子データを放射線学的および病理学的データと統合することにより、胃癌(GC)腹膜転移および悪皮の予測モデルを開発することを目的としています。 この研究では、GC患者の子宮内転症と悪性症の初期のバイオマーカーを特定するために、イメージングゲノミクス(放射性物質)と組織病理学的データの利用に焦点を当てます。 ディープラーニングアルゴリズムを活用することにより、プロジェクトは予測の精度と信頼性を改善し、以前の介入とパーソナライズされた治療戦略を可能にしようとしています。 究極の目標は、腹膜転移および皮膚症のGC患者の臨床的意思決定と予後予測を強化することです。

調査の概要

詳細な説明

胃癌(GC)は、最も一般的で攻撃的な悪性腫瘍の1つであり、腹膜転移と悪性症が予後不良に大きく寄与しています。 Bub1遺伝子は、染色体の不安定性とGCの進行に関係していますが、腹膜転移と皮膚症におけるその役割は不明のままです。 この臨床試験の目的は、BUB1遺伝子発現をイメージングと病理学的データと統合する可能性を調査して、GC進行の予測モデルを開発することを目的としています。

この研究では、ゲノムプロファイル(BUB1遺伝子発現)、放射線画像(CT/MRIスキャン)、および組織病理学的所見など、GC患者から包括的なデータを収集します。 高度な放射性分析は、イメージングデータから定量的特徴を抽出し、関連する組織学的マーカーについては病理学的データを分析します。 結合されたデータセットは、初期のバイオマーカーの特定に焦点を当てて、腹膜転移と悪性症に関連するパターンを特定するために、深い学習モデルに供給されます。

ディープラーニングモデルは、レトロスペクティブデータと前向き患者データの両方を使用して、反復トレーニングと検証を受けます。 この試験の主なエンドポイントは、腹膜転移と悪皮の発達に対するモデルの予測精度を評価することですが、二次エンドポイントには、パーソナライズされた治療戦略を通知し、生存率を改善し、臨床的意思決定を導く可能性があります。

この研究では、GCのBub1発現と放射性障害の特徴との相関関係も調査し、腹膜転移と皮膚を駆動する根本的なメカニズムに関する洞察を提供します。 調査結果は、より良い患者の転帰のために現在の臨床診療に統合できる、堅牢で臨床的に適用可能な予測ツールを確立することを目的としています。

研究の種類

観察的

入学 (推定)

500

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

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

なし

サンプリング方法

確率サンプル

調査対象母集団

研究集団は、疾患のさまざまな段階で胃癌(GC)と診断された成人患者で構成されます。 患者は、臨床評価、イメージング(CT/MRI)、および組織病理学的検査を通じて評価される腹膜転移および/または悪皮の存在または危険因子に基づいて選択されます。 参加者は、予測モデルのトレーニングに不可欠なゲノム、放射線、病理学的データを利用できるGC患者のコホートから募集されます。

この研究では、さまざまな疾患プロファイルにモデルが適用できるように、初期段階と高度な段階の両方を含むGC顕現の幅広い患者に焦点を当てます。 この多様な集団は、GC進行の包括的な表現を目指して、腹膜転移と皮膚症の予測におけるモデルの堅牢性と一般化可能性を評価するのに役立ちます。

説明

包含基準:

あらゆる段階で胃癌(GC)と診断された18〜75歳の成人。 組織病理学的には、利用可能な放射線学(CT/MRI)および病理学的データ(生検サンプル)を使用してGCを確認しました。

臨床評価とイメージングによって決定されるように、腹膜転移および/または悪cachexiaの患者またはリスクがある患者。

インフォームドコンセントを提供し、研究プロトコルに準拠する能力。 研究期間中、定期的なフォローアップイメージングと臨床評価を受ける意欲。

除外基準:

他の原発癌または重度の併存疾患(例えば、重度の心血管疾患、制御されていない糖尿病)の患者。

妊娠または母乳育児の女性。 MRIまたはCTイメージングの禁忌患者。 モデルトレーニングのために臨床データが不十分な人(例えば、放射線病理学的情報が欠けている)。

フォローアップ訪問や評価を含む、研究プロトコルに準拠することができない、または遵守したくない患者。

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

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
時間枠
胃がん腹膜転移および悪性症のBUB1統合された深部学習モデルの予測精度
時間枠:モデルトレーニング、検証、および初期臨床アプリケーションの12か月
モデルトレーニング、検証、および初期臨床アプリケーションの12か月

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (推定)

2025年3月1日

一次修了 (推定)

2027年3月1日

研究の完了 (推定)

2027年3月1日

試験登録日

最初に提出

2025年2月27日

QC基準を満たした最初の提出物

2025年2月27日

最初の投稿 (実際)

2025年3月25日

学習記録の更新

投稿された最後の更新 (実際)

2025年3月25日

QC基準を満たした最後の更新が送信されました

2025年2月27日

最終確認日

2025年2月1日

詳しくは

本研究に関する用語

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

いいえ

米国FDA規制機器製品の研究

いいえ

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。

購読する