심층 학습 기반 cfDNA 단편체 분석을 통한 유방암 병변 및 림프절 병기 진단을 위한 TuFEst 모델 검증을 위한 단일군, 전향적, 다기관 코호트 연구 (PRO-TuFEst-LN)
2026년 8월 5일 업데이트: Second Affiliated Hospital, Zhejiang University, School of Medicine
딥러닝 기반 cfDNA 단편체 오믹스를 활용한 유방암 병변 및 림프절의 병기 진단을 위한 TuFEst 모델 검증을 위한 단일군, 전향적, 다기관 코호트 연구
본 연구를 통해 딥러닝 기반 cfDNA 프래그먼트 오믹스 액체 생검 기술을 확보하고, 신규 진단 유방암 환자 및 신보조요법을 받는 환자에서 유방암 병변 및 림프절의 종양 부담 상태를 예측하는 TuFEst 모델의 정확성을 검증하며, 향후 대규모 임상 적용을 위한 이론적 근거를 제공할 것으로 기대합니다
연구 개요
상세 설명
- 기존에 확립된 TuFEst 모델을 기반으로, 딥러닝 기반 cfDNA 단편체 오믹스 액체 생검 기술을 활용하여 유방암 병변 및 림프절의 종양 부담 상태를 예측함으로써 유방암 조기 진단의 정확성을 향상시킵니다: 이 연구는 다양한 단계의 유방암 환자로부터 혈액 샘플을 수집 및 분석하고, 딥러닝 기반 cfDNA 단편체 오믹스 액체 생검 기술을 사용하여 종양 관련 cfDNA 단편을 추출하고 cfDNA 단편체 오믹스 특징 라이브러리를 구축합니다. TuFEst 모델을 기반으로 예측을 수행합니다. 그런 다음, 예측 결과와 실제 유방암 병변 및 림프절 종양 부담 상태에 따라 정확도 매칭 및 평가를 수행합니다. 유방암의 병기 진단에서 TuFEst 모델의 효능을 검증합니다.
- TuFEst 모델의 민감도, 특이도, 정확도 및 반복성을 평가하여 임상 적용에서의 신뢰성을 확인합니다: 이 연구는 이전의 후향적 코호트를 기반으로 더 많은 수의 유방암 환자 혈액 샘플을 수집하여 더 큰 샘플의 전향적 코호트에서 모델의 성능을 평가합니다. 이 연구는 또한 유방암 신보조 치료 모니터링에서 이 기술의 적용을 탐구하며, 특히 치료 후 유방암 병기 진단, 치료 효과 예측 및 종양 재발 모니터링에서의 적용을 평가합니다.
연구 유형
관찰
등록 (추정된)
400
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Chao Ni
- 전화번호: +8613989463951
- 이메일: drnichao@zju.edu.cn
연구 장소
-
-
Zhejiang
-
Hangzhou, Zhejiang, 중국
- 모병
- Second affiliated hospital of Medical school, Zhejiang university
-
연락하다:
- Yao Dr
- 전화번호: +8613989463951
- 이메일: drnichao@zju.edu.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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
윤리 승인일부터 2027년 12월 31일까지 저장대학교 의과대학 부속 제2병원(기타 센터)에서 치료받은 환자
설명
포함 기준:
- 18세에서 70세 사이의 환자;
- 직접 수술군(코호트 1): 신보조 치료 없이 근치적 수술을 시행한 경우;
- 신보조 치료군(코호트 2): 초기 진단이 액와 림프절 전이가 확인된 침윤성 유방암이며, 치료 종료 시 근치적 수술을 받을 의사가 있는 환자;
- 치료 중인 환자의 혈장을 확보할 수 있는 경우;
- 동의서에 서명할 의사가 있는 경우. -
제외 기준:
- 임신 중이거나 수유 중인 경우;
- 병변이 이미 절제된 환자;
- 등록 전 5년 이내에 명확한 병리학적 진단을 받은 다른 유형의 악성 종양을 앓은 경우;
- 등록 전 1년 이내에 영상 검사에서 의심되는 다른 악성 종양이 있으나 병리학적으로 확인되지 않은 경우;
- 영상 검사에서 원격 전이 병변이 의심되거나, 수술로 완전히 치유될 수 없는 잠재적 림프절 병변이 있는 경우;
- 지난 30일 동안 혈액 제제 수혈 치료를 받은 경우. -
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 |
|---|---|
|
1
Invasive breast cancer patients with cT1-3N0M0 disease who have received no prior neoadjuvant therapy or radiotherapy and undergo SLNB and/or ALND for axillary evaluation.
A total of 300 participants are planned to be enrolled in Cohort 1
|
개입 없음: 관찰 코호트
|
|
2
Patients with newly diagnosed invasive breast cancer and biopsy-confirmed axillary lymph node metastasis without distant metastasis, who are scheduled to receive standard neoadjuvant systemic therapy followed by breast and axillary surgery .
Patients who complete or prematurely discontinue neoadjuvant therapy for clinical reasons but proceed to surgery are eligible.At least 100 participants are planned to be enrolled in Cohort 2.
|
개입 없음: 관찰 코호트
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Pathological axillary lymph node positivity rate among TuFEst-LN-negative patients
기간: up to 2 weeks
|
Defined as the proportion of patients with pathological axillary lymph node positivity (pN1mi or higher) among patients predicted as negative by the locked TuFEst-LN model in Cohort 1. FOR = FN/(TN+FN) = 1-NPV.
|
up to 2 weeks
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Negative Predictive Value (NPV) of the TuFEst-LN Model
기간: 2 weeks
|
The proportion of patients with negative pathological axillary lymph node status (pN0 or pN0(i+)) among patients classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Sensitivity and False Negative Rate (FNR) for Detecting Pathological Axillary Lymph Node Positivity
기간: 2 weeks
|
The ability of the locked TuFEst-LN model to identify patients with pathological axillary lymph node metastasis (pN1mi or higher).
FNR is defined as 1-sensitivity.
|
2 weeks
|
|
Specificity of the TuFEst-LN Model
기간: 2 weeks
|
The proportion of patients with true pathological node-negative status (pN0 or pN0(i+)) who are correctly classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Positive Predictive Value (PPV), Overall Accuracy, and Discrimination Performance
기간: 2 weeks
|
Evaluation of the predictive performance of the locked TuFEst-LN model, including PPV, overall accuracy, area under the receiver operating characteristic curve (ROC-AUC), area under the precision-recall curve (PR-AUC), and likelihood ratios.
|
2 weeks
|
|
Proportion of Patients Classified as Negative by the TuFEst-LN Model
기간: 2 weeks
|
The proportion of evaluable patients in Cohort 1 who are classified as negative by the locked TuFEst-LN model, used to estimate the potential rate of sentinel lymph node biopsy (SLNB) omission.
|
2 weeks
|
|
Calibration and Net Clinical Benefit of the TuFEst-LN Model
기간: 2 weeks
|
Assessment of model calibration and clinical utility using Brier score, calibration intercept, calibration slope, calibration curve, and decision curve analysis.
|
2 weeks
|
|
Pathological Burden of Missed Positive Cases
기간: 2 weeks
|
Evaluation of pathological characteristics among false-negative patients, including the number of micrometastatic and macrometastatic lymph node cases, extranodal extension, and other adverse pathological features.
|
2 weeks
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Predictive Performance of the TuFEst-LN Model for ypN Status
기간: 2 weeks
|
Using final surgical pathology as the reference standard, the predictive performance of the TuFEst-LN model for post-neoadjuvant pathological axillary lymph node status (ypN) will be evaluated, including area under the receiver operating characteristic curve (ROC-AUC), sensitivity, specificity, negative predictive value (NPV), positive predictive value (PPV), and calibration performance.
|
2 weeks
|
|
Predictive Performance of Preoperative MRI for ypN Status
기간: 2 weeks
|
Evaluation of the ability of preoperative magnetic resonance imaging (MRI) clinical and quantitative imaging features after neoadjuvant therapy to predict residual pathological axillary lymph node status (ypN0 versus ypN-positive).
|
2 weeks
|
|
Performance of Combined cfDNA Fragmentomics and MRI Model
기간: 2 weeks
|
Evaluation of the incremental value of integrating TuFEst-LN cfDNA fragmentomic features with MRI-based prediction models by comparing changes in ROC-AUC, Brier score, calibration performance, and decision curve analysis.
|
2 weeks
|
|
Changes in cfDNA Fragmentomic Features From T0 to T1
기간: 2 weeks
|
Exploration of the association between longitudinal changes in cfDNA fragmentomic scores or features before and after neoadjuvant therapy and pathological outcomes, including ypN status, breast pathological complete response (pCR), residual cancer burden (RCB), and residual tumor burden.
|
2 weeks
|
|
Exploratory Subgroup Analysis
기간: 2 weeks
|
Exploration of the predictive performance of the TuFEst-LN model across clinically relevant subgroups, including molecular subtype, treatment regimen, and baseline lymph node burden.
|
2 weeks
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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
- Gentilini OD, Botteri E, Sangalli C, Galimberti V, Porpiglia M, Agresti R, Luini A, Viale G, Cassano E, Peradze N, Toesca A, Massari G, Sacchini V, Munzone E, Leonardi MC, Cattadori F, Di Micco R, Esposito E, Sgarella A, Cattaneo S, Busani M, Dessena M, Bianchi A, Cretella E, Ripoll Orts F, Mueller M, Tinterri C, Chahuan Manzur BJ, Benedetto C, Veronesi P; SOUND Trial Group. Sentinel Lymph Node Biopsy vs No Axillary Surgery in Patients With Small Breast Cancer and Negative Results on Ultrasonography of Axillary Lymph Nodes: The SOUND Randomized Clinical Trial. JAMA Oncol. 2023 Nov 1;9(11):1557-1564. doi: 10.1001/jamaoncol.2023.3759.
- Bruhm DC, Vulpescu NA, Foda ZH, Phallen J, Scharpf RB, Velculescu VE. Genomic and fragmentomic landscapes of cell-free DNA for early cancer detection. Nat Rev Cancer. 2025 May;25(5):341-358. doi: 10.1038/s41568-025-00795-x. Epub 2025 Mar 4.
- Reimer T, Stachs A, Veselinovic K, Kuhn T, Heil J, Polata S, Marme F, Muller T, Hildebrandt G, Krug D, Ataseven B, Reitsamer R, Ruth S, Denkert C, Bekes I, Zahm DM, Thill M, Golatta M, Holtschmidt J, Knauer M, Nekljudova V, Loibl S, Gerber B. Axillary Surgery in Breast Cancer - Primary Results of the INSEMA Trial. N Engl J Med. 2025 Mar 13;392(11):1051-1064. doi: 10.1056/NEJMoa2412063. Epub 2024 Dec 12.
- Zhu Y, Zheng S, Shao Y, Zhou J, Gu X, Shen L, Li X, Liu W, Xue W, Lu H, Zhou J, Ding J, Deng H, Chen J, Yu Z, Yao Y, Xia W, Chen W, Sun S, Wang Z, Qian T, Yu X, Liu J, Chen Y, Lin Z, Huang J, Ni C. Fragmentomic liquid biopsy enables early breast cancer detection, molecular subtyping and lymph node assessment. Nat Commun. 2026 Mar 6;17(1):2276. doi: 10.1038/s41467-026-70204-w.
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)
2025년 8월 1일
기본 완료 (추정된)
2027년 12월 31일
연구 완료 (추정된)
2027년 12월 31일
연구 등록 날짜
최초 제출
2025년 11월 19일
QC 기준을 충족하는 최초 제출
2025년 12월 11일
처음 게시됨 (실제)
2025년 12월 26일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 8월 10일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 8월 5일
마지막으로 확인됨
2025년 10월 1일
추가 정보
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. .