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

Verbetering van de behandeling van glioblastoom: progressie onderscheiden van pseudoprogressie

20 april 2023 bijgewerkt door: Guy's and St Thomas' NHS Foundation Trust

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

Werving

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

Observationeel

Inschrijving (Verwacht)

500

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

Studie Contact Back-up

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

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 tot 80 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patiënten met hooggradig glioblastoom

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

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

Wat meet het onderzoek?

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

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

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

Medewerkers

Onderzoekers

  • Hoofdonderzoeker: Thomas Booth, King's College London

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)

21 maart 2019

Primaire voltooiing (Verwacht)

26 mei 2024

Studie voltooiing (Verwacht)

26 mei 2025

Studieregistratiedata

Eerst ingediend

21 april 2020

Eerst ingediend dat voldeed aan de QC-criteria

21 april 2020

Eerst geplaatst (Werkelijk)

24 april 2020

Updates van studierecords

Laatste update geplaatst (Werkelijk)

21 april 2023

Laatste update ingediend die voldeed aan QC-criteria

20 april 2023

Laatst geverifieerd

1 april 2023

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

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

ONBESLIST

Beschrijving IPD-plan

Volledig geanonimiseerde datasets (inclusief beeldvorming en relevante klinische gegevens) kunnen aan het einde van het onderzoek worden gedeeld met openbare opslagplaatsen met als doel onderzoek te bevorderen en samenwerkingen uit te breiden, zolang alle voorschriften met betrekking tot de database volledig zijn goedgekeurd door de HRA en REC.

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