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

Application of CT-Linac-Based "All-in-One" One-Stop Radiotherapy in Breast Cancer

2026년 8월 19일 업데이트: Xiaoli Yu, Fudan University

Application of CT-Linac-Based "All-in-One" One-Stop Radiotherapy in All-Scenario Breast Cancer Radiotherapy: A Prospective Clinical Study

This study aims to evaluate and report the clinical adverse events and dosimetric parameters in breast cancer patients undergoing an "all-in-one (AIO)" one-stop, fully automated radiotherapy workflow. By systematically tracking these clinical and physical metrics, we seek to establish a standardized clinical protocol for AIO radiotherapy in breast cancer management.

연구 개요

상태

모병

정황

개입 / 치료

연구 유형

중재적

등록 (추정된)

225

단계

  • 해당 없음

연락처 및 위치

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

연구 연락처

연구 연락처 백업

연구 장소

  • 중국
    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, 중국, 200032
        • 모병
        • Fudan University Shanghai Cancer Center
        • 연락하다:

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

설명

Inclusion Criteria:

  • Histologically or pathologically confirmed breast cancer with definitive indications for radiotherapy (preoperative, postoperative, or radical)
  • ECOG performance status of 0-2
  • Able to remain still and supine on the treatment couch for up to 30 minutes
  • Provision of signed, written informed consent
  • Able to comply with daily follow-ups and blood sample collections

Exclusion Criteria:

  • Palliative radiotherapy for concurrent distant metastasis
  • Incomplete or ongoing chemotherapy
  • Synchronous multiple primary tumors
  • Current pregnancy or lactation
  • Prior history of radiotherapy to the ipsilateral breast, chest wall, thorax, or regional lymph nodes
  • Severe non-malignant comorbidities (e.g., cardiovascular or pulmonary diseases, systemic lupus erythematosus, scleroderma) resulting in a short life expectancy or inability to tolerate radical radiotherapy
  • Inability or unlikelihood to comply with study follow-up
  • Inability or unwillingness to provide written informed consent

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 다른
  • 할당: 무작위화되지 않음
  • 중재 모델: 순차적 할당
  • 마스킹: 없음(오픈 라벨)

무기와 개입

참가자 그룹 / 팔
개입 / 치료
다른: ARM1: AI-empowered AIO WBI
Evaluates the feasibility, safety, and patient experiences of the AI-empowered AIO workflow in breast cancer patients undergoing whole-breast irradiation (WBI) without regional nodal involvement.
다른: Radiotherapy procedure
The workflow relies on specialized convolutional neural networks for automated segmentation and dose-prediction auto-planning. These breast cancer models were trained on 285 historical institutional cases spanning radical mastectomy and breast-conserving surgery over five years. Auto-delineated structures include the clinical target volume, regional lymph nodes (if involved), tumor bed (identified by surgical clips), heart, bilateral lungs, unaffected breast, spinal cord, esophagus, thyroid, and affected humeral head. These contours guide dose prediction to generate deliverable tangential arc plans via clinical-goal-guided automated optimization in the treatment planning system. To adapt to the on-couch treatment scenario, models were validated on retrospective data and offline routines to maximize target delineation accuracy and the first-approval rate of auto-plans.
다른: ARM2: Expanded-Scenario AIO RT
Evaluates the feasibility, safety, and patient experiences of the AI-empowered AIO workflow in breast cancer patients with broader radiotherapy indications, including breast/chest wall irradiation with or without regional nodal radiotherapy.
다른: Radiotherapy procedure
The workflow relies on specialized convolutional neural networks for automated segmentation and dose-prediction auto-planning. These breast cancer models were trained on 285 historical institutional cases spanning radical mastectomy and breast-conserving surgery over five years. Auto-delineated structures include the clinical target volume, regional lymph nodes (if involved), tumor bed (identified by surgical clips), heart, bilateral lungs, unaffected breast, spinal cord, esophagus, thyroid, and affected humeral head. These contours guide dose prediction to generate deliverable tangential arc plans via clinical-goal-guided automated optimization in the treatment planning system. To adapt to the on-couch treatment scenario, models were validated on retrospective data and offline routines to maximize target delineation accuracy and the first-approval rate of auto-plans.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
Acute adverse events
기간: 6 months
The incidence and severity of acute adverse event include radiation dermatitis, pruritus, skin pain, radiation esophagitis, and radiation pneumonitis.
6 months

2차 결과 측정

결과 측정
측정값 설명
기간
Accuracy
기간: 2 months
Auto-segmentation accuracy was assessed by comparing automatically generated contours against the final physician-approved contours
2 months
Success rate
기간: 2 months
Record AIO workflow success rate: online planning one-pass optimization success rate.
2 months
Quality of life (QoL)
기간: 6 months
Quality of life will be evaluated via standardized QoL scales.
6 months
Time efficiency
기간: 2 months
The time efficiency of the workflow was automatically recorded by the system
2 months
Full-Workflow Patient Intrafraction Motion
기간: 2 months
Evaluated based on geometric deviations between pretreatment image-guided radiotherapy (IGRT), posttreatment imaging, and the baseline simulation CT
2 months
Correlation of Patient Metrology with Setup Error and Dosimetric Performance
기간: 2 months
Evaluation of how Body Mass Index (BMI) and weight fluctuations correlate with geometric setup errors and in vivo gamma pass rates
2 months
Correlation of Anatomical Scale with Setup Error and Dosimetric Performance
기간: 2 months
Evaluation of how anatomical scale/breast size correlates with geometric setup errors and in vivo gamma pass rates
2 months

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Fudan University

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)

2021년 8월 27일

기본 완료 (추정된)

2028년 8월 27일

연구 완료 (추정된)

2028년 11월 27일

연구 등록 날짜

최초 제출

2026년 7월 1일

QC 기준을 충족하는 최초 제출

2026년 8월 19일

처음 게시됨 (실제)

2026년 8월 20일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2026년 8월 20일

QC 기준을 충족하는 마지막 업데이트 제출

2026년 8월 19일

마지막으로 확인됨

2026년 6월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • FDRT-BC029

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

예

IPD 공유 지원 정보 유형

  • 연구_프로토콜
  • ICF

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