Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

CT-based Radiomic Signature Can Identify Adenocarcinoma Lung Tumor Histology

3 april 2020 bijgewerkt door: Maastricht University

Lung cancer remains the leading cause of cancer related mortality worldwide, with more than 1.5 million related deaths annually. Lung cancer is divided into two main groups: Small Cell Lung Carcinoma (SCLC) and Non-Small Cell Lung Carcinoma (NSCLC), with prevalence of ~20% and 80% respectively. NSCLC is further subdivided into adenocarcinoma (the most common), squamous cell carcinoma (SCC), and large cell carcinoma. Furthermore, each subtype is likely to have specific mutations, which could be targeted for treatment.

Medical imaging and radiomics feature extraction represent a candidate alternative to conventional tissue biopsy, a theory that is investigated in this study.

Studie Overzicht

Toestand

Onbekend

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Verwacht)

650

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • Nederland
    • Limburg
      • Maastricht, Limburg, Nederland, 6229ER
        • Maastricht University

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patients diagnosed with NSCLC, who further underwent tissue biopsy to determine tumor histology.

Beschrijving

Inclusion Criteria:

  • Availability of diagnostic non-contrast enhanced CT scan.
  • Availability of histologic tumor analysis results

Exclusion Criteria:

-

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Maastro (Lung1)
Open source dataset available at TCIA.org. The cohort includes CT scans of 422 patients diagnosed with NSCLC.
Diagnostische toets: Virtual biopsy
Radiomics -the high throughput extraction of quantitative features from medical imaging- extract features that might potentially decode biologic tumor information, which might ultimately reduce the need to use invasive procedure, such as tissue biopsy.
Andere namen:
  • Radiomics-based histology prediction
UCSF
A cohort of patients diagnosed with NSCLC at UCSF medical center. It includes CT scans of 165 patients.
Diagnostische toets: Virtual biopsy
Radiomics -the high throughput extraction of quantitative features from medical imaging- extract features that might potentially decode biologic tumor information, which might ultimately reduce the need to use invasive procedure, such as tissue biopsy.
Andere namen:
  • Radiomics-based histology prediction
Radboud
A cohort of patients diagnosed with NSCLC at Radboud medical center. It includes CT scans of 255 patients.
Diagnostische toets: Virtual biopsy
Radiomics -the high throughput extraction of quantitative features from medical imaging- extract features that might potentially decode biologic tumor information, which might ultimately reduce the need to use invasive procedure, such as tissue biopsy.
Andere namen:
  • Radiomics-based histology prediction
Stanford
Open source dataset available at TCIA.org. The cohort includes CT scans of 211 patients diagnosed with NSCLC.
Diagnostische toets: Virtual biopsy
Radiomics -the high throughput extraction of quantitative features from medical imaging- extract features that might potentially decode biologic tumor information, which might ultimately reduce the need to use invasive procedure, such as tissue biopsy.
Andere namen:
  • Radiomics-based histology prediction

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Lung histology
Tijdsspanne: December 2019
Is the tumor under investigation an adenocarcinoma of the lung?
December 2019

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Maastricht University

Medewerkers

Radboud University Medical Center
University of California, San Francisco

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

1 maart 2019

Primaire voltooiing (Verwacht)

31 oktober 2020

Studie voltooiing (Verwacht)

31 januari 2021

Studieregistratiedata

Eerst ingediend

6 mei 2019

Eerst ingediend dat voldeed aan de QC-criteria

6 mei 2019

Eerst geplaatst (Werkelijk)

7 mei 2019

Updates van studierecords

Laatste update geplaatst (Werkelijk)

6 april 2020

Laatste update ingediend die voldeed aan QC-criteria

3 april 2020

Laatst geverifieerd

1 april 2019

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • LHist

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren