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

177Lu-PSMA 표적 방사성 핵종 치료를 위한 치료 전 68Ga-PSMA PET AI 기반 선량 예측 (PADL)

2025년 7월 15일 업데이트: BOURSIER Caroline, Central Hospital, Nancy, France

표적 방사성 핵종 요법(TRT)은 암 표적 방사성 의약품을 통해 최대 파괴 방사선량을 전달하는 것을 목표로 하는 방사선 종양학에 대한 현대적인 접근 방식입니다. 전이성 거세저항성 전립선암(mCRPC)의 치료를 위해 전립선특이막항원(PSMA)에 대한 방사성 리간드가 등장했습니다. 그러나 정상적인 장기 및 종양 선량은 일련의 단면 전신 SPECT 스캔으로 평가할 수 있습니다. , 이는 많은 양의 이미징 시간이 필요하며 일상적인 임상 실습에서는 종종 실행 가능하지 않습니다.

대안은 PBPK 및 치료 전 영상을 기반으로 환자당 3D 시간 통합 활동(TIA) 맵을 생성하는 것입니다.

연구 개요

상태

완전한

개입 / 치료

상세 설명

TRT의 초기 성공에도 불구하고, 치료 용량과 부작용 사이의 부적절한 균형(trade-off) 위험에 대한 우려가 제기되었습니다. 현재 방사성의약품 투여 프로토콜은 모집단 기준으로 평가되고 있으며, 선행 연구를 바탕으로 특정 환자군에 대한 투여 활성도가 결정됐다. 그러나 유럽 위원회 지침(2013/59 Euratom)에서는 오랫동안 외부 빔 방사선 치료(EBRT) 또는 근접 치료의 경우와 마찬가지로 TRT 치료를 개별 환자에 맞는 최적의 방사선량에 따라 계획해야 한다고 규정하고 있습니다. TRT 치료 계획의 필수 요구 사항은 치료에 앞서 흡수선량을 추정하는 것입니다.

치료 전 영상을 통한 치료제의 생체 분포에 대한 사전 지식은 종양 파괴와 건강한 조직의 방사선 조사 사이의 균형을 최적화하는 데 도움이 됩니다. 생리학적 기반 약동학(PBPK) 모델링과 같은 개념은 영상화제의 시공간 약동학을 추정한 다음 치료제로 추정하기 위해 제안되었습니다.

대안은 PBPK 및 치료 전 영상을 기반으로 환자당 3D 시간 통합 활동(TIA) 맵을 생성하는 것입니다. TIA는 전체 치료 기간 동안 각 복셀에서 발생하는 붕괴 횟수에 대한 정보를 제공합니다. PBPK는 장기 기반 모델이므로 3D TIA 계산은 강력하고 자동이며 정확해야 하는 치료 전 핵 영상에서 장기 분할 문제를 제기합니다. 3D TIA를 이용하여 치료 전 환자의 흡수선량을 추정하고, Monte Carlo(MC) 시뮬레이션을 이용하여 환자 해부구조(CT 영상)를 추정할 수 있다. . 이 프로젝트는 (a) 3D TIA 계산을 위한 핵의학의 강력하고 정확한 대사 분할, (b) MC 및 딥러닝 접근 방식을 기반으로 한 빠른 용량 예측이라는 두 가지 주요 과제를 다룰 것입니다.

연구 유형

관찰

등록 (실제)

46

연락처 및 위치

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

연구 장소

      • Vandoeuvre les Nancy cedex, 프랑스, 54511
        • Nuclear medicine department CHRU de NANCY
      • Vandoeuvre les Nancy cedex, 프랑스, 54511
        • CHRU de Nancy

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

177Lu-PSMA를 1회 이상 투여받았고 2022년 1월부터 2024년 1월 31일 사이에 "치료 전" 평가에서 IVRT의 일부로 68Ga-PSMA PET/CT를 수행한 환자

설명

포함 기준:

  • 177Lu-PSMA를 1회 이상 투여받고 "치료 전" 평가에서 IVRT의 일부로 68Ga-PSMA PET/CT를 수행한 환자

제외 기준:

  • 본 연구의 일부로 자신의 데이터를 사용하는 것에 대한 환자의 반대.

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
전처리 68Ga-PSMA.PET/CT 이미지에서 177Lu-PSMA를 사용한 RLT에 대한 딥 러닝 접근법을 통한 흡수선량 예측 평가
기간: 1 개월
모델에 의한 선량 예측과 참조 방법(Monte Carlo)으로 계산된 선량 예측의 차이
1 개월

2차 결과 측정

결과 측정
측정값 설명
기간
딥러닝 접근법을 사용하여 68Ga-PSMA 전처리 PET 이미지에서 총 종양 대사량을 자동으로 윤곽화합니다.
기간: 1 개월
기준 윤곽선과 모델에 의해 주어진 윤곽선 사이의 주사위 지수
1 개월

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

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)

2024년 11월 30일

기본 완료 (실제)

2025년 4월 30일

연구 완료 (실제)

2025년 6월 30일

연구 등록 날짜

최초 제출

2024년 2월 13일

QC 기준을 충족하는 최초 제출

2024년 2월 13일

처음 게시됨 (실제)

2024년 2월 20일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2025년 7월 16일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 7월 15일

마지막으로 확인됨

2025년 7월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • 2024PI020

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. .

구독하다