딥러닝 기반 비인두암종에서 화학방사선요법과 관련된 중증 구강점막염 예측을 위한 전향적 관찰연구
2024년 1월 4일 업데이트: Fang-Yun Xie, Sun Yat-sen University
본 관찰 연구의 목표는 CNN 기반의 DL 방법을 적용하여 IMRT 선량 분포의 3차원 공간 정보를 추출하여 심각한 방사선 치료 및 화학 요법 유발 구강 점막염(SRCOM)의 발생 확률을 예측하고 모델 기반의 모델과 비교하는 것입니다. SRCOM의 예측 정확도를 향상시켜 임상 계획 설계를 안내하고 OM의 발생 확률을 낮추고 비인두암 환자의 심각한 합병증을 예방하고 삶의 질을 향상시키는 잠재적인 가치를 가질 수 있는 선량 측정, NTCP 또는 선량체학에 대한 연구입니다.
연구 개요
연구 유형
관찰
등록 (추정된)
480
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Fang-Yun Xie, M.D.
- 전화번호: +8613902205880
- 이메일: xiefy@sysucc.org.cn
연구 연락처 백업
- 이름: Pu-Yun OuYang, M.D.
- 전화번호: +8618565382769
- 이메일: ouyangpy@sysucc.org.cn
연구 장소
-
-
Guangdong
-
Guangzhou, Guangdong, 중국, 510060
- 모병
- Sun Yat-sen University Cancer Center
-
연락하다:
- Fang-Yun Xie, professor
- 전화번호: +86-20-87342926
- 이메일: xiefy@sysucc.org.cn
-
-
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
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
IMRT를 받는 일차 치료 NPC 환자
설명
포함 기준:
- 초기 진단, 병리학적 조직학적 진단, 병리학적 유형은 비각화성 암종(WHO 병리학적 분류에 따름)입니다.
- 초기 강도 변조 방사선 치료(강도 변조 방사선 치료, IMRT).
- 이전에 방사선 치료를 받은 적이 없습니다.
제외 기준:
- 재발성 비인두암 환자.
- 방사선 치료 계획을 얻을 수 없습니다.
- 악성 종양의 이전 병력; 이전 방사선 치료.
- 원발성 병변 및 자궁경부 전이성 병변은 수술적 치료를 받았습니다(진단적 치료 제외).
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
RTOG/EROTC 급성 방사선 반응 채점 표준
기간: 방사선 치료를 통해 평균 7주
|
환자의 구강 점막 반응에 대한 독성 기록은 전문 교육을 받은 종양 전문의에 의해 수행됩니다.
|
방사선 치료를 통해 평균 7주
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Fang-Yun Xie, M.D., Sun Yat-sen University
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Wolden SL, Chen WC, Pfister DG, Kraus DH, Berry SL, Zelefsky MJ. Intensity-modulated radiation therapy (IMRT) for nasopharynx cancer: update of the Memorial Sloan-Kettering experience. Int J Radiat Oncol Biol Phys. 2006 Jan 1;64(1):57-62. doi: 10.1016/j.ijrobp.2005.03.057. Epub 2005 Jun 2.
- Li K, Yang L, Hu QY, Chen XZ, Chen M, Chen Y. Oral Mucosa Dose Parameters Predicting Grade >/=3 Acute Toxicity in Locally Advanced Nasopharyngeal Carcinoma Patients Treated With Concurrent Intensity-Modulated Radiation Therapy and Chemotherapy: An Independent Validation Study Comparing Oral Cavity versus Mucosal Surface Contouring Techniques. Transl Oncol. 2017 Oct;10(5):752-759. doi: 10.1016/j.tranon.2017.06.011. Epub 2017 Jul 21.
- Elad S, Yarom N, Zadik Y, Kuten-Shorrer M, Sonis ST. The broadening scope of oral mucositis and oral ulcerative mucosal toxicities of anticancer therapies. CA Cancer J Clin. 2022 Jan;72(1):57-77. doi: 10.3322/caac.21704. Epub 2021 Oct 29.
- Soutome S, Yanamoto S, Nishii M, Kojima Y, Hasegawa T, Funahara M, Akashi M, Saito T, Umeda M. Risk factors for severe radiation-induced oral mucositis in patients with oral cancer. J Dent Sci. 2021 Oct;16(4):1241-1246. doi: 10.1016/j.jds.2021.01.009. Epub 2021 Feb 9.
- Li PJ, Li KX, Jin T, Lin HM, Fang JB, Yang SY, Shen W, Chen J, Zhang J, Chen XZ, Chen M, Chen YY. Predictive Model and Precaution for Oral Mucositis During Chemo-Radiotherapy in Nasopharyngeal Carcinoma Patients. Front Oncol. 2020 Nov 5;10:596822. doi: 10.3389/fonc.2020.596822. eCollection 2020.
- Gabrys HS, Buettner F, Sterzing F, Hauswald H, Bangert M. Design and Selection of Machine Learning Methods Using Radiomics and Dosiomics for Normal Tissue Complication Probability Modeling of Xerostomia. Front Oncol. 2018 Mar 5;8:35. doi: 10.3389/fonc.2018.00035. eCollection 2018.
- Zhen X, Chen J, Zhong Z, Hrycushko B, Zhou L, Jiang S, Albuquerque K, Gu X. Deep convolutional neural network with transfer learning for rectum toxicity prediction in cervical cancer radiotherapy: a feasibility study. Phys Med Biol. 2017 Oct 12;62(21):8246-8263. doi: 10.1088/1361-6560/aa8d09.
- Ibragimov B, Toesca D, Chang D, Yuan Y, Koong A, Xing L. Development of deep neural network for individualized hepatobiliary toxicity prediction after liver SBRT. Med Phys. 2018 Oct;45(10):4763-4774. doi: 10.1002/mp.13122. Epub 2018 Sep 10.
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 (실제)
2023년 8월 14일
기본 완료 (추정된)
2024년 9월 30일
연구 완료 (추정된)
2024년 12월 30일
연구 등록 날짜
최초 제출
2023년 9월 4일
QC 기준을 충족하는 최초 제출
2023년 9월 11일
처음 게시됨 (실제)
2023년 9월 13일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 1월 5일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 1월 4일
마지막으로 확인됨
2024년 1월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- B2022-420-Y01
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
미정
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
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. .