深層学習に基づくcfDNAフラグメントオミクスを用いた単一アーム前向き多施設コホート研究：乳癌病変およびリンパ節のステージ診断のためのTuFEstモデルの検証 (PRO-TuFEst-LN)
深層学習ベースのcfDNAフラグメントオミクスに基づいた単一アーム前向き多施設コホート研究による、乳癌病変およびリンパ節の病期診断のためのTuFEstモデルの検証
本プロジェクトの研究を通じて、深層学習に基づくcfDNAフラグメントオミクス液体生検技術を確立し、TuFEstモデルが新規診断乳がん患者および術前化学療法を受ける患者の乳がん病変およびリンパ節の腫瘍負荷状態を予測する精度を検証し、将来の大規模な臨床応用に対する理論的根拠を提供することを期待しています
調査の概要
詳細な説明
- 以前に確立されたTuFEstモデルに基づき、深層学習に基づくcfDNAフラグメントオミックス液体生検技術を利用して、乳がん病変およびリンパ節の腫瘍負荷状態を予測し、乳がんの早期診断の精度を向上させる：本研究では、異なるステージの乳がん患者から血液サンプルを収集・分析し、深層学習に基づくcfDNAフラグメントオミックス液体生検技術を用いて、腫瘍関連cfDNAフラグメントを抽出し、cfDNAフラグメントオミックス特徴ライブラリを構築する。 TuFEstモデルに基づいて予測を行う。 その後、予測結果と実際の乳がん病変およびリンパ節腫瘍負荷状態に基づいて精度マッチングと評価を実施する。 乳がんの病期診断におけるTuFEstモデルの有効性を検証する。
- TuFEstモデルの感度、特異度、精度、再現性を評価し、臨床応用における信頼性を確認する：本研究では、以前の後ろ向きコホートに基づき、より多くの乳がん患者から血液サンプルを収集し、より大規模なサンプルの前向きコホートにおけるモデルの性能を評価する。 本研究ではまた、この技術の乳がん術前補助化学療法モニタリングへの応用を探求し、具体的には、治療後の乳がん病期診断、治療効果の予測、腫瘍再発のモニタリングにおける応用を評価する。
研究の種類
観察的
入学 (推定)
400
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Chao Ni
- 電話番号：+8613989463951
- メール：drnichao@zju.edu.cn
研究場所
-
-
Zhejiang
-
Hangzhou、Zhejiang、中国
- 募集
- Second affiliated hospital of Medical school, Zhejiang university
-
コンタクト：
- Yao Dr
- 電話番号：+8613989463951
- メール：drnichao@zju.edu.cn
-
-
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
いいえ
サンプリング方法
非確率サンプル
調査対象母集団
2027年12月31日までに、浙江医科大学第二附属病院（その他のセンター）で倫理承認日から治療を受けた患者
説明
選定基準：
- 18歳から70歳の患者。
- 直接手術群（コホート1）：術前補助療法を行わずに根治手術を実施した。
- 術前補助療法群（コホート2）：初期診断が腋窩リンパ節転移を確認した浸潤性乳がんであり、治療終了時に根治手術を受ける意思がある。
- 治療中の患者の血漿を採取できる。
- インフォームドコンセント文書に署名する意思がある。
除外基準：
- 妊娠中または授乳中である。
- 病変が既に切除されている患者。
- 登録前5年以内に病理学的診断で確認された他の種類の悪性腫瘍の既往がある。
- 登録前1年以内に画像検査で他の悪性腫瘍が疑われたが、病理学的に確認されていない。
- 画像検査で遠隔転移病変が疑われる、または手術で完全に治癒できない可能性のあるリンパ節病変がある。
- 過去30日間に血液製剤の輸注治療を受けたことがある。
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
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
1
Invasive breast cancer patients with cT1-3N0M0 disease who have received no prior neoadjuvant therapy or radiotherapy and undergo SLNB and/or ALND for axillary evaluation.
A total of 300 participants are planned to be enrolled in Cohort 1
|
介入なし: 観察コホート
|
|
2
Patients with newly diagnosed invasive breast cancer and biopsy-confirmed axillary lymph node metastasis without distant metastasis, who are scheduled to receive standard neoadjuvant systemic therapy followed by breast and axillary surgery .
Patients who complete or prematurely discontinue neoadjuvant therapy for clinical reasons but proceed to surgery are eligible.At least 100 participants are planned to be enrolled in Cohort 2.
|
介入なし: 観察コホート
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
Pathological axillary lymph node positivity rate among TuFEst-LN-negative patients
時間枠：up to 2 weeks
|
Defined as the proportion of patients with pathological axillary lymph node positivity (pN1mi or higher) among patients predicted as negative by the locked TuFEst-LN model in Cohort 1. FOR = FN/(TN+FN) = 1-NPV.
|
up to 2 weeks
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
Negative Predictive Value (NPV) of the TuFEst-LN Model
時間枠：2 weeks
|
The proportion of patients with negative pathological axillary lymph node status (pN0 or pN0(i+)) among patients classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Sensitivity and False Negative Rate (FNR) for Detecting Pathological Axillary Lymph Node Positivity
時間枠：2 weeks
|
The ability of the locked TuFEst-LN model to identify patients with pathological axillary lymph node metastasis (pN1mi or higher).
FNR is defined as 1-sensitivity.
|
2 weeks
|
|
Specificity of the TuFEst-LN Model
時間枠：2 weeks
|
The proportion of patients with true pathological node-negative status (pN0 or pN0(i+)) who are correctly classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Positive Predictive Value (PPV), Overall Accuracy, and Discrimination Performance
時間枠：2 weeks
|
Evaluation of the predictive performance of the locked TuFEst-LN model, including PPV, overall accuracy, area under the receiver operating characteristic curve (ROC-AUC), area under the precision-recall curve (PR-AUC), and likelihood ratios.
|
2 weeks
|
|
Proportion of Patients Classified as Negative by the TuFEst-LN Model
時間枠：2 weeks
|
The proportion of evaluable patients in Cohort 1 who are classified as negative by the locked TuFEst-LN model, used to estimate the potential rate of sentinel lymph node biopsy (SLNB) omission.
|
2 weeks
|
|
Calibration and Net Clinical Benefit of the TuFEst-LN Model
時間枠：2 weeks
|
Assessment of model calibration and clinical utility using Brier score, calibration intercept, calibration slope, calibration curve, and decision curve analysis.
|
2 weeks
|
|
Pathological Burden of Missed Positive Cases
時間枠：2 weeks
|
Evaluation of pathological characteristics among false-negative patients, including the number of micrometastatic and macrometastatic lymph node cases, extranodal extension, and other adverse pathological features.
|
2 weeks
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
Predictive Performance of the TuFEst-LN Model for ypN Status
時間枠：2 weeks
|
Using final surgical pathology as the reference standard, the predictive performance of the TuFEst-LN model for post-neoadjuvant pathological axillary lymph node status (ypN) will be evaluated, including area under the receiver operating characteristic curve (ROC-AUC), sensitivity, specificity, negative predictive value (NPV), positive predictive value (PPV), and calibration performance.
|
2 weeks
|
|
Predictive Performance of Preoperative MRI for ypN Status
時間枠：2 weeks
|
Evaluation of the ability of preoperative magnetic resonance imaging (MRI) clinical and quantitative imaging features after neoadjuvant therapy to predict residual pathological axillary lymph node status (ypN0 versus ypN-positive).
|
2 weeks
|
|
Performance of Combined cfDNA Fragmentomics and MRI Model
時間枠：2 weeks
|
Evaluation of the incremental value of integrating TuFEst-LN cfDNA fragmentomic features with MRI-based prediction models by comparing changes in ROC-AUC, Brier score, calibration performance, and decision curve analysis.
|
2 weeks
|
|
Changes in cfDNA Fragmentomic Features From T0 to T1
時間枠：2 weeks
|
Exploration of the association between longitudinal changes in cfDNA fragmentomic scores or features before and after neoadjuvant therapy and pathological outcomes, including ypN status, breast pathological complete response (pCR), residual cancer burden (RCB), and residual tumor burden.
|
2 weeks
|
|
Exploratory Subgroup Analysis
時間枠：2 weeks
|
Exploration of the predictive performance of the TuFEst-LN model across clinically relevant subgroups, including molecular subtype, treatment regimen, and baseline lymph node burden.
|
2 weeks
|
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。
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Gentilini OD, Botteri E, Sangalli C, Galimberti V, Porpiglia M, Agresti R, Luini A, Viale G, Cassano E, Peradze N, Toesca A, Massari G, Sacchini V, Munzone E, Leonardi MC, Cattadori F, Di Micco R, Esposito E, Sgarella A, Cattaneo S, Busani M, Dessena M, Bianchi A, Cretella E, Ripoll Orts F, Mueller M, Tinterri C, Chahuan Manzur BJ, Benedetto C, Veronesi P; SOUND Trial Group. Sentinel Lymph Node Biopsy vs No Axillary Surgery in Patients With Small Breast Cancer and Negative Results on Ultrasonography of Axillary Lymph Nodes: The SOUND Randomized Clinical Trial. JAMA Oncol. 2023 Nov 1;9(11):1557-1564. doi: 10.1001/jamaoncol.2023.3759.
- Bruhm DC, Vulpescu NA, Foda ZH, Phallen J, Scharpf RB, Velculescu VE. Genomic and fragmentomic landscapes of cell-free DNA for early cancer detection. Nat Rev Cancer. 2025 May;25(5):341-358. doi: 10.1038/s41568-025-00795-x. Epub 2025 Mar 4.
- Reimer T, Stachs A, Veselinovic K, Kuhn T, Heil J, Polata S, Marme F, Muller T, Hildebrandt G, Krug D, Ataseven B, Reitsamer R, Ruth S, Denkert C, Bekes I, Zahm DM, Thill M, Golatta M, Holtschmidt J, Knauer M, Nekljudova V, Loibl S, Gerber B. Axillary Surgery in Breast Cancer - Primary Results of the INSEMA Trial. N Engl J Med. 2025 Mar 13;392(11):1051-1064. doi: 10.1056/NEJMoa2412063. Epub 2024 Dec 12.
- Zhu Y, Zheng S, Shao Y, Zhou J, Gu X, Shen L, Li X, Liu W, Xue W, Lu H, Zhou J, Ding J, Deng H, Chen J, Yu Z, Yao Y, Xia W, Chen W, Sun S, Wang Z, Qian T, Yu X, Liu J, Chen Y, Lin Z, Huang J, Ni C. Fragmentomic liquid biopsy enables early breast cancer detection, molecular subtyping and lymph node assessment. Nat Commun. 2026 Mar 6;17(1):2276. doi: 10.1038/s41467-026-70204-w.
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 (実際)
2025年8月1日
一次修了 (推定)
2027年12月31日
研究の完了 (推定)
2027年12月31日
試験登録日
最初に提出
2025年11月19日
QC基準を満たした最初の提出物
2025年12月11日
最初の投稿 (実際)
2025年12月26日
学習記録の更新
投稿された最後の更新 (実際)
2026年8月10日
QC基準を満たした最後の更新が送信されました
2026年8月5日
最終確認日
2025年10月1日
詳しくは
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。