자궁경부암의 개별화된 치료를 위한 임상적으로 고효율 플랫폼 개발
자궁경부암 치료를 위한 고급 방사선 기술, 정량적 이미징 및 분자 생물학 및 기계 학습의 통합을 통해 개별화된 치료를 위한 임상 고효율 플랫폼 개발.
기계 학습 응용 프로그램을 개발하고 검증하기 위해 환자 데이터를 활용하는 후향적 연구. 치료를 완료한 환자의 사용 가능한 영상 데이터 세트를 사용하여 정상 조직 합병증 확률 및 종양 제어 확률을 개발합니다.
가설 기존 방사선 치료 정보, 정량적 영상 및 완료되고 진행 중인 임상 시험의 환자 결과 데이터를 통합하면 효율적인 치료 전달을 위한 지식 기반 시스템을 개발할 수 있고 자궁경부암에서 강화된 치료 접근 방식을 위한 환자를 선택할 수 있습니다.
연구 개요
상태
정황
상세 설명
목적 1. 기준선 및 근접 치료 시 GTV(총 종양 용적) 및 기준선 및 근접 치료 시 고위험 임상 표적 용적(CTV)에 대한 자궁경부암에 대한 복잡한 종양 표적의 자동 묘사는 MRI에서 수행됩니다.
다음 구조는 CT에서 자동화를 위해 처리됩니다.
- 저위험 임상 목표 볼륨(저위험 CTV)
- GTV: 노달
- 선택적 결절 골반 대상 용적
- 선택적 결절 골반 및 대동맥 주위 용적
- 직장
- 방광
- 시그모이드
- 내부
- 골수
목적 2. 조사자는 보다 강력한 정상 조직 독성 예측 모델을 개발하기 위해 기계 학습을 사용하려고 합니다. 방사선 선량 지도의 텍스처 분석 및 후속 조직 밀도와 같은 고급 기술도 독성 예측 모델을 개발하기 위해 수행됩니다. 조사관은 환자 데이터 세트를 사용하여 방사선 종양학과에서 사용할 수 있는 양성자 계획 시스템과 함께 양성자 빔 계획 라이브러리를 생성하고 개발된 정상 조직 합병증 플롯을 사용하여 양성자를 통해 달성 가능한 선량 정보를 식별하는 데 도움이 될 수 있습니다. 양성자 치료의 혜택을 받을 환자.
목적 3. 이 프로젝트 내에서 조사자는 자궁경부암의 "고위험 코호트"의 반응 예측 및 식별을 위해 병기결정, 병리학 및 정량적 이미징 텍스처 기능을 통합할 계획입니다. 베이스라인에서 MRI를 받은 환자의 이미지와 임상 데이터가 포함될 것입니다. 질감 특징을 사용하여 화학방사선 요법 후 "양호" 및 "불량 반응자"를 분류할 수 있습니다. 동일한 환자 코호트에 대해 연구자는 추가 바이오마커(AKT, LICAM, PDL1, CD4 및 CD8과 같은)의 결과를 포함하여 이용 가능한 조직도 가지고 있습니다. 연구자는 먼저 질감 특징의 차이를 연관시키고 다른 분자 특징의 패턴이 있는지 확인하려고 합니다. 두 번째 단계에서는 이미징 및 분자 기능을 통합하여 "위험 예측 모델"을 개발할 수 있습니다. GTV 및 HRCTV는 기준선의 150개 데이터 세트와 목표 1 내의 근접 치료를 활용하여 반응자와 비반응자를 분류하고 또 다른 150개의 환자 데이터 세트를 검증하는 데 활용됩니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Supriya Sastri (nee Chopra), MD
- 전화번호: 5113 02227405000
- 이메일: supriyasastri@gmail.com
연구 연락처 백업
- 이름: Supriya Sastri (nee Chopra), MD
- 전화번호: 5113 02227405000
- 이메일: schopra@actrec.gov.in
연구 장소
-
-
Maharashtra
-
Navi Mumbai, Maharashtra, 인도, 410210
- 모병
- Advanced Centre of Treatment Research and Education In Cancer,Tata Memorial Centre
-
연락하다:
- Dr Supriya Chopra, MD
- 전화번호: 5491 91-22-27405000
- 이메일: schopra@actrec.gov.in
-
수석 연구원:
- Supriya Chopra, MD
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
목표 1 및 목표 3:
- 자궁경부암에 대한 화학방사선 요법 및 근접 요법의 진행 중이거나 완료된 임상 시험 내에서 치료를 받고 진단 당시 MRI/CT 이미지에 접근할 수 있는 환자 및 근접 요법 목표 2
- 수술 후 또는 최종 방사선 요법을 받고 수술 후 또는 최종 RT 시험 내에서 치료를 받는 환자.
제외 기준:
- 질병 또는 독성 결과의 부족.
- 병원 데이터베이스에 이미지가 부족합니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
자궁경부암에 대한 자동 표적 묘사를 위한 소프트웨어 생성
기간: 3 년
|
1. 시간 효율적인 방식으로 자궁경부암에 대한 표적 묘사 및 계획을 위한 자동화된 플랫폼을 개발하고 검증합니다. ㅏ. 다중 양식 의료 진단 이미지에서 비정상적인 암 조직의 기계 학습 기반 감지. b. 부인과 암에 대한 외부 방사선 및 근접 치료의 자동 계획을 위한 기계 기본 시스템을 교육합니다. |
3 년
|
|
정상 조직 합병증 플롯의 개발 및 검증
기간: 3 년
|
2. "정상 조직 합병증 플롯"을 개발하고 고급 방사선 기술(예: 양성자 치료)로 혜택을 받을 수 있는 자궁경부암 환자 하위 그룹을 식별하기 위해 기계 학습을 위한 기존 데이터베이스 및 방사선 선량 맵, 이미징 텍스처 기능 및 부작용 데이터를 사용합니다.
|
3 년
|
|
향후 치료 강화로 혜택을 볼 수 있는 "고위험 환자 집단" 식별
기간: 3 년
|
3. 향후 치료 강화로 혜택을 볼 수 있는 "고위험 환자 모집단"을 식별하기 위해 진행 중인 기관 및 공동 임상 시험 내에서 고급 이미지 텍스처 분석을 사용합니다.
|
3 년
|
공동 작업자 및 조사자
협력자
수사관
- 수석 연구원: Supriya Sastri (nee Chopra), MD, Tata Memorial Centre, The Advanced Centre for Treatment, Research and Education in Cancer (ACTREC)
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- TMC IRB 900787
- CTRI/2021/08/035810 (레지스트리 식별자: Clinical Trials Registry - India)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
미국에서 제조되어 미국에서 수출되는 제품
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. .