이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

다변수 MRI/MRS를 사용한 전립선암의 암 병소 검출 개선 (GCC 1261)

2020년 3월 16일 업데이트: Department of Radiation Oncology, University of Maryland, Baltimore

질병을 더 잘 관리하기 위해 다중 매개변수 MRI/MRS 및 기계 학습을 사용하여 전립선암에서 암 병소 탐지 개선

연구진의 목표는 다변수 MRI와 기계 학습 기술을 결합하여 근치적 전립선 절제술을 받는 전립선암 환자에서 공격적인 종양을 식별하고 동시에 종양의 정확한 위치를 식별하는 비선택적이고 비침습적인 절차를 개발하는 것입니다. 다중 파라메트릭 MRI와 기계 학습(조직병리학을 사용하여 검증됨)의 조합은 전립선에서 암 병소의 민감도와 특이성을 증가시킬 수 있으며, 나태한 종양에서 공격성을 분리하는 데 도움이 될 수 있습니다. 이렇게 증가된 민감도와 특이성은 결국 a) 불필요한 치료를 받는 환자의 수를 줄이고 b) 집중 요법을 사용하여 현재 치료 옵션을 향상시킬 수 있습니다. 조사관은 현재 근치적 전립선 절제술을 받을 예정인 전립선암 환자 15명을 연구에 모집할 예정입니다. 모든 환자는 근치적 전립선 절제술을 시행하기 전에 고급 MRI 검사를 받게 됩니다. MRI 스캔에는 a) T1 및 T2 강조 영상을 사용한 고해상도 체적 영상, b) 동적 대비 강화(DCE) 영상을 사용한 혈관 영상, c) 확산 강조 영상을 사용한 생물물리학적 미세구조 영상, d) MR을 이용한 생화학 영상이 포함됩니다. 분광 이미징. 근치적 전립선절제술 후 병리학자는 치료 표준(Gleason 등급 시스템)에 따라 전립선절제 표본의 등급을 매깁니다. 스캔과 임상 평가에서 얻은 매개변수 간에 상관 관계가 생성됩니다.

연구 개요

상태

빼는

정황

연구 유형

관찰

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

  • 미국
    • Maryland
      • Baltimore, Maryland, 미국, 21201
        • Ummc Msgcc

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

18년 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

연구 대상 성별

남성

샘플링 방법

비확률 샘플

연구 인구

근치적 전립선 절제술을 선택한 전립선암 환자

설명

포함 기준:

  1. 근치적 전립선 절제술을 선택한 모든 남성 환자
  2. 피험자는 정보에 입각한 동의를 할 수 있어야 합니다.
  3. 피험자는 밀실공포증이 없어야 합니다.

제외 기준:

  1. 심박 조율기를 사용하는 피험자.
  2. 금속성 강자성 임플란트 또는 펌프가 있는 피험자.
  3. 모든 여성은 이 연구에서 제외됩니다.
  4. 중증도의 신장 질환이 있거나 혈액 투석 중인 피험자.
  5. 가돌리늄 기반 조영제에 알려진 알레르기가 있는 피험자.
  6. 대상은 한 번에 최대 1시간 동안 등을 대고 누워 있을 수 없습니다.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 관찰 모델: 케이스 전용
  • 시간 관점: 유망한

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
1차 목적: 고등급 종양과 저등급 종양 및 정상 전립선 구별
기간: 16개월

고급 MR 영상 기술을 사용하여 고급 종양을 저급 종양 및 정상 전립선과 구별하기 위한 기계 학습 기술을 훈련할 수 있는지 여부. 기계 학습 기술은 조직 병리학 데이터를 실측 정보로 사용하여 훈련됩니다.

이를 달성하기 위해 우리는 다양한 조직 속성(아래에 나열됨)의 체적 이미지를 얻고 이를 조직병리학에 일치시킬 것입니다.

  • 동적 조영 강화 MRI(DCE-MRI)를 사용한 혈관 투과성(ktrans)
  • T2를 사용하여 캡처한 형태학적 변화 및 확산 가중 MRI(DW-MRI)를 사용하여 확산 변화
  • (콜린 + 크레아틴)/구연산염) 또는 자기 공명 분광 영상(MRSI)을 사용한 CC/C의 대사 시그니처
  • 변형 가능한 이미지 등록을 사용하여 생체 내 이미징 소견을 생체 외 조직 병리학에 연관시킵니다.
  • 다중 파라메트릭 이미지 집합을 입력으로 사용하여 다중 클래스 지원 벡터 머신(SVM)을 개발하고 이를 사용하여 글리슨 점수와 유사한 점수를 예측합니다.
16개월

2차 결과 측정

결과 측정
측정값 설명
기간
2차 목표: 종양 등급과 위치를 정확하게 식별하기 위한 비침습적 및 정량적 테스트.
기간: 16개월
고급 MR 영상 기술은 종양 등급을 분류하는 데 단독으로 사용할 수 있습니다. 수집된 데이터 세트는 기계 학습 기술을 테스트하는 데 사용되는 하위 집합으로 분할됩니다. 예를 들어 데이터의 90%는 훈련에 사용되고 나머지 10%는 테스트에 사용됩니다. 이 프로세스는 서로 다른 하위 집합의 조합에 대해 반복됩니다. 우리의 가설은 기계 학습 방법이 공격적인 종양, 나태한 종양 및 정상 조직 간의 차이를 분석하는 데 도움이 될 것이라는 것입니다. 우리는 이 분석이 훈련 후 새로운 사례에서 나태한 종양과 정상 조직에서 공격적인 종양을 식별할 수 있는 이미징 기반 "점수"를 합성하는 데 도움이 될 것이라고 가정합니다. 우리는 고급 기계 학습 기술과 결합된 다중 매개변수 MRI를 사용하면 종양 병소 탐지의 민감도와 특이성을 향상시킬 수 있다고 믿습니다. 이를 통해 종양 등급과 위치를 정확하게 식별하기 위한 비침습적이고 정량적인 검사가 이루어집니다.
16개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

University of Maryland, Baltimore

수사관

  • 수석 연구원: Warren D'Souza, PhD, UMD

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작

2015년 4월 1일

기본 완료 (실제)

2015년 4월 1일

연구 완료 (실제)

2015년 4월 1일

연구 등록 날짜

최초 제출

2013년 1월 8일

QC 기준을 충족하는 최초 제출

2013년 1월 9일

처음 게시됨 (추정)

2013년 1월 11일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2020년 3월 18일

QC 기준을 충족하는 마지막 업데이트 제출

2020년 3월 16일

마지막으로 확인됨

2020년 3월 1일

추가 정보

이 연구와 관련된 용어

키워드

추가 관련 MeSH 약관

기타 연구 ID 번호

  • HP-00054431

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

전립선암에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Rwanda

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

3
구독하다