Heuristieken, algoritmen en machinaal leren: evaluatie en testen bij bestralingstherapie (Hamlet rt)
26 juli 2021 bijgewerkt door: CCTU- Cancer Theme
Hamlet-RT: heuristiek, algoritmen en machinaal leren: evaluatie en testen in bestralingstherapie
Het Hamlet.rt-onderzoek is een prospectieve gegevensverzameling en een patiëntenvragenlijstonderzoek voor patiënten die beeldgestuurde radiotherapie ondergaan met curatieve bedoelingen.
Het doel van de studie is om nieuwe machine learning en wiskundige technieken te gebruiken om een model te bouwen dat het risico van significante bijwerkingen van radiotherapiebehandeling voor een individuele patiënt kan voorspellen: met behulp van berekeningen van de normale weefseldosis van radiotherapiebehandelingsplanning en afgeleide kenmerken van de patiënt. van beeld- en niet-beeldgegevens, continu bijgewerkt terwijl de patiënt zowel tijdens als na de behandeling wordt beoordeeld.
Een secundair doel van het project is het faciliteren van onderzoek op het gebied van machinaal leren en medische beeldverwerking voor bestralingstherapie door het creëren van een vindbare en gedeelde gegevensbron voor onderzoeksdoeleinden.
Studie Overzicht
Toestand
Werving
Conditie
Interventie / Behandeling
Studietype
Observationeel
Inschrijving (Verwacht)
310
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studiecontact
- Naam: Meena Murthy
- Telefoonnummer: 349707 01223 349707
- E-mail: meena.murthy@addenbrookes.nhs.uk
Studie Contact Back-up
- Naam: CCTU Cancer
- Telefoonnummer: 216038 01223 216038
- E-mail: cctuc@addenbrookes.nhs.uk
Studie Locaties
-
-
Cambridgeshire
-
Cambridge, Cambridgeshire, Verenigd Koninkrijk, CB2 0QQ
- Werving
- Cambridge University Hospitals NHS Foundation Trust
-
Contact:
- Amy Bates
- Telefoonnummer: 256296 01223 256296
- E-mail: amy.bates@addenbrookes.nhs.uk
-
Hoofdonderzoeker:
- Raj Dr. Jena
-
-
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
18 jaar en ouder (Volwassen, Oudere volwassene)
Accepteert gezonde vrijwilligers
NVT
Geslachten die in aanmerking komen voor studie
Allemaal
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Volwassenen geschikt voor radicale beeldgeleide radiotherapie bij prostaat-, hoofd-hals-, hersen- of longkanker.
De variatie in omstandigheden is gebaseerd op de vereisten van Machine Learning-algoritmen die een hoge mate van klinische toepasbaarheid vereisen, die afhangt van de kwaliteit en kwantiteit van de beschikbare invoergegevens.
De set invoergegevens moet daarom voldoende de variatie in anatomie die in de populatie wordt aangetroffen, omvatten.
Beschrijving
Inclusiecriteria:
- Deelnemer is bereid en in staat geïnformeerde toestemming te geven voor deelname aan het onderzoek
- Man of vrouw
- Van 18 jaar of ouder
- Gediagnosticeerd met primaire prostaatkanker, hoofd-halskanker, longkanker of hersentumor
- Behandeld met curatieve intentie
- Geschikt voor radicaalbeeldgeleide radiotherapie
- WHO ECOG prestatiestatus 0 of 1
- Verwachte overleving van 18 maanden of meer
Uitsluitingscriteria:
- Deelnemer is niet bereid of in staat om de in het protocol vermelde vereisten van het onderzoek te voltooien, b.v. toegang krijgen tot en invullen van webgebaseerde follow-upvragenlijsten voor de lange termijn.
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
- Observatiemodellen: Cohort
- Tijdsperspectieven: Prospectief
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Prostaatkanker
Volwassenen die geschikt zijn voor radicale beeldgeleide radiotherapie voor hun prostaatkanker, ongeveer 170 patiënten. Onderdelen van vragenlijsten van RTOG, LENT SOM(A), RMH-symptoomschaal en UCLA PCI (prostaatkankerindex) zullen worden gebruikt.
|
De toegediende vragenlijsten monitoren de klinische toxiciteit die elke patiënt ervaart tot 5 jaar na radiotherapie
|
|
Hoofd-halskanker
Volwassenen geschikt voor radicale beeldgeleide radiotherapie voor hun Hoofd-Halscarcinoom, circa 140 patiënten.
Componenten van CTCAE v3, LENT SOM(A), EORTC QLQ H+N35 & Modified xerostomia vragenlijsten zullen worden gebruikt.
|
De toegediende vragenlijsten monitoren de klinische toxiciteit die elke patiënt ervaart tot 5 jaar na radiotherapie
|
|
Tumoren van het centrale zenuwstelsel
Volwassenen die geschikt zijn voor radicale beeldgeleide radiotherapie voor hun CZS-tumor, zoveel mogelijk patiënten geworven.
Componenten van RTOG, LENT SOM(A), Folstein mini mentale toestandsonderzoek en vragenlijsten over algemene activiteiten van dagelijks leven (G-ADL) zullen worden gebruikt.
|
De toegediende vragenlijsten monitoren de klinische toxiciteit die elke patiënt ervaart tot 5 jaar na radiotherapie
|
|
Longkanker
Volwassenen geschikt voor radicale beeldgeleide radiotherapie voor hun longkanker, zoveel mogelijk patiënten geworven.
Componenten van RTOG & LENT SOM(A) vragenlijsten zullen worden gebruikt.
|
De toegediende vragenlijsten monitoren de klinische toxiciteit die elke patiënt ervaart tot 5 jaar na radiotherapie
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Modellering van machinaal leren
Tijdsspanne: 8 jaar van FPFV
|
Karakteriseer machine learning-modellen voor de vier ziektesites.
Algoritmen voor machine learning ontwikkelen voor autosegmentatie van de anatomie van normaal weefsel, en om algoritmen voor machine learning uit te breiden om normale weefselstructuren in cone beam CT-beelden te identificeren en te segmenteren, en om de ML-segmentaties te gebruiken om beeldhandtekeningen te evalueren die verband houden met behandelingstoxiciteit
|
8 jaar van FPFV
|
|
Voorspellende modellering
Tijdsspanne: 8 jaar van FPFV
|
Voorspel prestatiematches met gepubliceerde technieken.
Combineren van de machine learning-modellen in resultaat 1, met beoordelingsgegevens vóór de behandeling en kwantitatieve beoordelingen tijdens de behandeling in resultaat 3 voor de constructie en evaluatie van een voorspellend wiskundig model
|
8 jaar van FPFV
|
|
Klinische toxiciteitsevaluatie
Tijdsspanne: 8 jaar van FPFV
|
Evaluatie van de klinische toxiciteit ervaren door elke patiënt tot 5 jaar na radiotherapie om de voorspellende modellen in uitkomst 2 te informeren
|
8 jaar van FPFV
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Onderzoekers
- Hoofdonderzoeker: Raj Dr. Jena, Cambridge University Hospitals NHS Foundation Trust & the University of Cambridge
- Hoofdonderzoeker: Suzanne Miller, Cambridge University Hospitals NHS Foundation Trust
- Hoofdonderzoeker: Amy Bates, Cambridge University Hospitals NHS Foundation Trust
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)
11 september 2019
Primaire voltooiing (Verwacht)
1 januari 2023
Studie voltooiing (Verwacht)
1 januari 2028
Studieregistratiedata
Eerst ingediend
15 augustus 2019
Eerst ingediend dat voldeed aan de QC-criteria
16 augustus 2019
Eerst geplaatst (Werkelijk)
19 augustus 2019
Updates van studierecords
Laatste update geplaatst (Werkelijk)
2 augustus 2021
Laatste update ingediend die voldeed aan QC-criteria
26 juli 2021
Laatst geverifieerd
1 juli 2021
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- Hamlet.rt
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 .