Verbetering van de behandeling van glioblastoom: progressie onderscheiden van pseudoprogressie
Verbetering van de behandeling van glioblastoom door progressie te onderscheiden van pseudoprogressie door machine learning-technieken toe te passen op routinematige klinische gegevens
Glioblastoma is de meest agressieve vorm van hersenkanker en leidt gemiddeld tot 20 verloren levensjaren, meer dan enige andere vorm van kanker. MRI-beelden van de hersenen worden gemaakt vóór de operatie en om de paar maanden na de behandeling om te zien of de kanker teruggroeit. Het kan voor artsen moeilijk zijn om te bepalen of wat ze op deze afbeeldingen zien, groeiende kanker of een bijwerking van de behandeling vertegenwoordigt. De gelijkenis van het optreden van de bijwerkingen van de behandeling met kanker is verwarrend en staat bekend als "pseudoprogressie" (in tegenstelling tot echte kankerprogressie).
Als artsen het optreden van bijwerkingen van de behandeling verwarren met groeiende kanker, kunnen ze denken dat de behandeling faalt en de behandeling van de patiënt te vroeg veranderen of ze in een klinische proef stoppen. Dit betekent dat patiënten mogelijk niet de volledige behandeling krijgen en dat de resultaten van sommige klinische onderzoeken niet betrouwbaar zijn.
Het doel van deze studie is om artsen een computerprogramma te bieden dat MRI-beelden van de hersenen zal gebruiken die routinematig tijdens de behandeling worden verkregen, om hen te helpen nauwkeuriger te identificeren wanneer de kanker teruggroeit.
Studie Overzicht
Toestand
Toestand
Conditie
Conditie
Gedetailleerde beschrijving
De impact van pseudoprogressie is aanzienlijk op de patiëntenzorg en medisch onderzoek. Het bestaande bewijs toont aan dat het haalbaar is om Support Vector Machine- en Deep Learning-classificatiemodellen te gebruiken voor het voorspellen van overleving met behulp van routinematige MRI-beelden en om progressie te onderscheiden van pseudoprogressie. De onderzoekers willen signaalveranderingen in de loop van de tijd vastleggen in routinematige MRI-beelden met behulp van parametrische responskaarten (via een state-of-the-art postoperatieve-naar-preoperatieve beeldregistratiemethode die ze hebben ontwikkeld) en dergelijke classificaties gebruiken om progressie van pseudoprogressie te onderscheiden. Het onderzoek dat de onderzoekers voorstellen, is nodig om een oplossing te bieden voor het probleem van pseudoprogressie en om gemakkelijk en efficiënt in de NHS te worden geïmplementeerd. Belangrijk is dat dit niet afhankelijk is van geavanceerde beeldvormende technieken.
Gegevens verzameld bij KCH van de afgelopen 24 maanden tonen aan dat, zelfs in een toonaangevend centrum voor beeldvorming van glioom, slechts 66% van de patiënten geavanceerde beeldvorming had (bijv. DSC-MRI) uitgevoerd op het moment van toename van contrastverbetering, d.w.z. mogelijke progressie. Het primaire doel van dit onderzoek is om routinematige klinische MRI-gegevens te gebruiken om de classificator te trainen. Dit zal de bruikbaarheid van de classificator vergroten, aangezien dergelijke routinematige MRI-gegevens door alle beeldvormingscentra kunnen worden verkregen, en de nieuwe classificator kan daarom een veel kostenefficiëntere oplossing bieden dan een alternatieve classificator die mogelijk afhankelijk is van geavanceerde beeldvormingstechnieken.
Initiële training, testen en kruisvalidatie van een classificatiemodel zullen worden uitgevoerd met behulp van MRI-gegevens van glioblastoom verkregen uit openbaar toegankelijke beeldarchieven en King's College Hospital (KCH), Londen. Voor klinische validatie zal het getrainde model worden getest met behulp van MRI-gegevens van prospectief geworven patiënten.
Studietype
Studietype
Inschrijving (Verwacht)
Inschrijving
Contacten en locaties
Studiecontact
Studiecontact
- Naam: Thomas C Booth, Dr
- Telefoonnummer: 02078489568
- E-mail: thomas.booth@kcl.ac.uk
Studie Contact Back-up
- Naam: Shuaib, MSc
- E-mail: haris.shuaib@kcl.ac.uk
Studie Locaties
-
-
-
Brighton, Verenigd Koninkrijk, BN2 5BE
- Werving
- Royal Sussex County Hospital, Brighton and Sussex University Hospitals NHS Trust
-
Hoofdonderzoeker:
- Ed Chandy
-
Cardiff, Verenigd Koninkrijk, CF14 2TL
- Werving
- Velindre Cancer Centre, Velindre University NHS Trust
-
Hoofdonderzoeker:
- James Powell
-
Dundee, Verenigd Koninkrijk, DD1 9SY
- Werving
- Ninewells Hospital and Medical School, NHS Tayside
-
Hoofdonderzoeker:
- Avinash Kanodia
-
Hull, Verenigd Koninkrijk, HU3 2KZ
- Werving
- Hull Royal Infirmary, Hull University Teaching Hospitals NHS Trust
-
Hoofdonderzoeker:
- Chris Rowland Hill
-
Leeds, Verenigd Koninkrijk, LS1 3EX
- Werving
- Leeds General Infirmary, The Leeds Teaching Hospitals NHS Trust
-
Hoofdonderzoeker:
- Ryan Mathew
-
London, Verenigd Koninkrijk, W6 8RF
- Werving
- Charing Cross Hospital, Imperial College Healthcare NHS Trust
-
London, Verenigd Koninkrijk, SE1 9RT
- Werving
- Guy's Hospital, Guy's and St Thomas' NHS Foundation Trust
-
Hoofdonderzoeker:
- Haris Shuaib
-
London, Verenigd Koninkrijk, SE5 9RS
- Werving
- King's College Hospital, King's College Hospital NHS Trust
-
London, Verenigd Koninkrijk, WC1N 3BG
- Werving
- National Hospital for Neurology and Neurosurgery, University College London Hospitals NHS Foundation Trust
-
Hoofdonderzoeker:
- Steffi Thust
-
Manchester, Verenigd Koninkrijk, M20 4BX
- Werving
- The Christie Hospital, The Christie NHS Foundation Trust
-
Hoofdonderzoeker:
- Sean Tenant
-
Newcastle, Verenigd Koninkrijk, NE7 7DN
- Werving
- Newcastle upon Tyne Hospitals NHS Foundation Trust- Newcastle Freeman Hospital
-
Hoofdonderzoeker:
- Joanne Lewis
-
Nottingham, Verenigd Koninkrijk, NG7 2UH
- Werving
- Nottingham University Hospitals NHS Trust- City Hospital
-
Plymouth, Verenigd Koninkrijk, PL6 8DH
- Werving
- University Hospitals Plymouth NHS Trust
-
Hoofdonderzoeker:
- Mark Thurston
-
Preston, Verenigd Koninkrijk, PR2 9HT
- Werving
- Lancashire Teaching Hospitals NHS Foundation Trust
-
Hoofdonderzoeker:
- Erica Beamount
-
Sutton, Verenigd Koninkrijk, SM2 5PT
- Werving
- The Royal Marsden Hospital, Royal Marsden NHS Foundation Trust
-
Hoofdonderzoeker:
- Liam Welsh
-
-
Deelname Criteria
Geschiktheidscriteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Gediagnosticeerd met glioblastoom (Wereldgezondheidsorganisatie graad IV)
- Patiënt ondergaat het standaard Stupp-behandelingsregime
- Een pre-operatieve scan hebben gehad en ten minste één vervolgscan na chemoradiatie
Uitsluitingscriteria:
- Onvoldoende klinische en radiologische opvolging
- De behandeling van de patiënt wijkt sterk af van het standaard Stupp-regime, aangezien ze worden gerekruteerd voor interventionele onderzoeken en er onvoldoende informatie bekend is over de proefbehandeling van de patiënt
- Patiënten die worden behandeld met angiogeneseremmers zoals bevacizumab voordat het Stupp-regime is voltooid
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Cohort
- Tijdsperspectieven: Prospectief
Wat meet het onderzoek?
Primaire uitkomstmaten
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van het kunstmatige-intelligentiemodel
Tijdsspanne: Tot 36 maanden
|
Gedefinieerd door een verwarringsmatrix van gevoeligheid en specificiteit voor echte positieven en echte negatieven.
|
Tot 36 maanden
|
Secundaire uitkomstmaten
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Faalpercentage van het kunstmatige-intelligentiemodel
Tijdsspanne: Tot 36 maanden
|
Het percentage dat de test geen uitkomst kan geven (bijv.
vanwege slechte kwaliteit of ontbrekende gegevens)
|
Tot 36 maanden
|
Medewerkers en onderzoekers
Sponsor
Sponsor
Medewerkers
Medewerkers
Onderzoekers
Onderzoekers
- Hoofdonderzoeker: Thomas Booth, King's College London
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Studie start
Primaire voltooiing (Verwacht)
Primaire voltooiing
Studie voltooiing (Verwacht)
Studie voltooiing
Studieregistratiedata
Eerst ingediend
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Eerst geplaatst
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update geplaatst
Laatste update ingediend die voldeed aan QC-criteria
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
Andere studie-ID-nummers
- 5.0 15/01/21
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .