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

미만성 대세포 B 림프종에 대한 전향적 관찰 연구 (LBDGCréfract)

2026년 9월 10일 업데이트: Grand Hôpital de Charleroi

Grand Hospital de Charleroi의 단일 중심 코호트에서 미만성 거대 세포 B 림프종 환자의 원발성 불응 상태 예측을 위한 감독형 기계 학습

미만성 거대 B세포 림프종(DLBCL)은 비호지킨 림프종의 가장 일반적인 유형을 나타내며 현재 면역화학요법 일선 치료를 받는 많은 환자에게 치료 가능한 악성 질환입니다. 그러나 약 30~40%의 환자는 반응이 없거나 조기 재발을 경험하게 됩니다. 원발성 난치성 환자의 예후는 좋지 않으며 질병의 이질성과 복잡한 유전적 구조로 인해 관리 및 치료가 중요한 과제입니다. 불응성의 원인은 다양하며 유전적 이상, 종양의 변화, 종양 미세환경 등이 포함됩니다. 동반 질환과 같은 환자 관련 요인도 치료 결과에 영향을 미칠 수 있습니다. 최근 머신러닝(ML)의 발전은 크고 복잡한 데이터 세트를 분석하는 데 사용되는 절차에서 유용성을 보여주었습니다. 의학에서는 기계 학습을 사용하여 데이터 기반 분석 접근 방식과 다양한 위험 요소 및 매개변수의 통합을 기반으로 몇 가지 예측 도구를 만듭니다. 인공 지능(AI)의 하위 도메인인 머신 러닝은 데이터 세트 내의 패턴을 자동으로 찾아내는 기능을 갖추고 있습니다. 예제를 통해 학습하여 작업을 자동으로 수행할 수 있는 알고리즘을 제공합니다. 우리는 이전 연구에서 단일 중심 데이터세트에서 얻은 매개변수를 사용하여 일차 난치성 DLBCL의 위험을 예측하기 위한 모델을 구축하기 위해 5가지 기계 학습 알고리즘을 테스트했습니다. 우리는 NB 범주형 분류기가 DLBCL 환자의 원발성 난치성 질환을 예측하기 위한 모델 구축을 위한 최선의 대안이었고 두 번째는 XGBoost라는 것을 관찰했습니다. 우리는 두 가지 최고 성능 모델(NBC 분류기 및 NBC 분류기)을 추가로 탐색하여 이전 연구를 확장할 계획입니다. XGBoost), 전향적으로 더 많은 수의 환자를 점진적으로 통합합니다.

연구 개요

상태

모병

정황

개입 / 치료

상세 설명

원발성 난치성 질환은 DLBCL로 진단된 환자의 약 30~40%에 영향을 미치며 예후가 좋지 않아 이 질환의 관리에 어려움을 겪습니다. 불응 상태의 예측은 조기 개입이 가능한 치료 전략에 매우 유용할 수 있습니다. 실제로, 구제 화학요법 및 자가 HSCT, 표적 요법 또는 CAR T 세포 요법과 같은 환자 및 질병 특성에 따라 여러 가지 옵션을 사용할 수 있습니다. 지도형 기계 학습 기술은 의학적 맥락에서 결과를 예측할 수 있으므로 이 문제에 매우 적합한 것으로 보입니다.

기계 학습에 대한 우리의 접근 방식은 현재 임상의에게 의사 결정 지원을 제공할 만큼 효율적인 통계 모델이 없기 때문에 특히 흥미로워 보입니다. 따라서 우리는 이전 연구에서 알고리즘이 환자 의료 기록의 구조화된 데이터로부터 질병의 불응성 상태를 예측하는 데 효과적일 수 있음을 보여주었습니다. 이용 가능하고 효과적인 구제 치료법이 많기 때문에 환자의 치료 경로에 신속하게 개입하는 것이 올바른 선택이며 독성을 줄이면서 치료 가능성을 최대화하는 가장 맞춤화된 방법인 것 같습니다. 의사의 임상적 판단과 최상의 알고리즘 예측을 바탕으로 의사는 원발성 난치성 DLBCL에 대한 조기 치료 전략을 선택할 수 있습니다.

우리는 이전 연구에서 검증 세트에서 난치성 질환을 예측하기 위한 두 가지 흥미로운 모델(NBC 및 XGBoost)을 발견했습니다. 머신러닝 기술의 적용은 DLBCL 환자 관리에 크게 기여할 수 있습니다. 이러한 알고리즘은 임상의가 치료 전략에 관해 정보에 입각한 결정을 내리는 데 도움을 줄 수 있는 잠재력을 갖고 있어 각 환자를 기반으로 한 치료법의 개인화가 가능합니다. 이러한 결과를 더 넓은 규모로 검증하기 위해 이 연구는 전향적 코호트의 결과와 DLBCL 환자의 원발성 난치성 질환의 복잡한 관리에서 이 기술의 가치를 확인할 수 있습니다.

연구 유형

관찰

등록 (추정된)

50

연락처 및 위치

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

연구 연락처

연구 장소

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

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

비확률 샘플

연구 인구

모든 미만성 대세포 B 림프종 환자는 2024년 1월부터 2026년 12월 사이에 샤를루아 그랜드병원 혈액학과에서 처음으로 치료를 받았습니다.

설명

포함 기준:

  • 미만성 대세포 B 림프종 환자가 샤를루아 그랜드병원 혈액학과에서 처음으로 치료를 받았습니다.
  • 정보를 이해하고 동의서에 서명할 수 있음

제외 기준:

  • 18세 미만

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
미만성 대세포 B 림프종 환자
Grand Hospital de Charleroi의 단일 센터 코호트의 미만성 대세포 B 림프종 환자
다른: 일차 내화 상태의 확률을 예측하는 알고리즘
원발성 불응 상태의 확률을 예측하는 알고리즘을 사용하여 2024년부터 미만성 대세포 B 림프종 환자 코호트에 대한 추적 조사

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
각 알고리즘에 대한 수신자 조작자 특성(ROC_AUC)의 곡선 아래 영역(%)입니다.
기간: 3 년
알고리즘 평가를 위한 지표인 이 지표는 단일 측정에서 분류기의 효율성을 캡슐화하는 기능을 가지고 있습니다.
3 년

2차 결과 측정

결과 측정
측정값 설명
기간
DLBCL 환자의 난치성 질환의 위험인자 규명.
기간: 3 년
변수에 대한 cox 모델을 이용한 통계 분석
3 년
연구가 끝날 때 Kaplan Meier가 수행한 코호트의 전체 생존 및 무진행 생존.
기간: 3 년
카플란 마이어 테스트 및 곡선
3 년
연구 종료 시 코호트 생존율.
기간: 3 년
연구 종료 시 코호트의 생존율
3 년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Grand Hôpital de Charleroi

수사관

  • 수석 연구원: Delphine Pranger, MD, Grand Hôpital de Charleroi

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 1월 3일

기본 완료 (추정된)

2026년 12월 31일

연구 완료 (추정된)

2026년 12월 31일

연구 등록 날짜

최초 제출

2024년 1월 12일

QC 기준을 충족하는 최초 제출

2024년 1월 26일

처음 게시됨 (실제)

2024년 2월 5일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 9월 14일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 9월 10일

마지막으로 확인됨

2026년 9월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • LBDGC - refractory

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. .

구독하다