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

Ontwikkeling van klinisch zeer efficiënte platforms voor geïndividualiseerde behandeling van baarmoederhalskanker

10 april 2024 bijgewerkt door: Supriya Sastri (chopra), Tata Memorial Hospital

Ontwikkeling van klinische hoogrenderende platforms voor geïndividualiseerde behandeling door integratie van geavanceerde stralingstechnologie, kwantitatieve beeldvorming en moleculaire biologie en machinaal leren voor de behandeling van baarmoederhalskanker.

Retrospectieve studie waarbij gebruik wordt gemaakt van patiëntgegevens om de toepassing Machine Learning te ontwikkelen en te valideren. Beschikbare beeldvormingsgegevenssets van patiënten die de behandeling hebben voltooid, zullen worden gebruikt om de waarschijnlijkheid van normale weefselcomplicaties en de waarschijnlijkheid van tumorcontrole te ontwikkelen

Hypothese Door de integratie van bestaande informatie over bestralingsbehandelingen, kwantitatieve beeldvorming en patiëntuitkomstgegevens van voltooide en lopende klinische studies zal de ontwikkeling van op kennis gebaseerde systemen voor efficiënte behandeling mogelijk worden gemaakt en zullen patiënten kunnen worden geselecteerd voor geïntensiveerde behandelingsbenaderingen bij baarmoederhalskanker.

Studie Overzicht

Toestand

Actief, niet wervend

Conditie

Gedetailleerde beschrijving

Voor doel 1. Automatische afbakening van complexe tumortargets voor baarmoederhalskanker voor het Gross Tumor Volume (GTV) bij baseline en bij brachytherapie en High Risk Clinical Target Volume (CTV) bij baseline en brachytherapie zal worden gedaan op MRI.

De volgende structuren worden verwerkt voor automatisering op CT

  1. Klinisch doelvolume met laag risico (CTV met laag risico)
  2. GTV: Knooppunt
  3. Electief nodaal bekkendoelvolume
  4. Electief nodaal bekken- en para-aortavolume
  5. Rectum
  6. Blaas
  7. Sigmoïde
  8. Darm
  9. Beenmerg

Voor doel 2. De onderzoeker is van plan machine learning te gebruiken voor het ontwikkelen van robuustere voorspellingsmodellen voor de toxiciteit van normaal weefsel. Verdere geavanceerde technieken zoals textuuranalyse van stralingsdosiskaarten en follow-up weefseldichtheid zullen ook worden uitgevoerd om voorspellende toxiciteitsmodellen te ontwikkelen. Door onze patiëntendatasets te gebruiken, wil Investigator een bibliotheek van protonenbundelplannen creëren met de protonenplanningsystemen die beschikbaar zullen zijn op de afdeling bestralingsoncologie en door gebruik te maken van de ontwikkelde normale weefselcomplicatieplots die beschikbaar zijn, kan de informatie over haalbare doses via protonen helpen bij het identificeren patiënten die baat zullen hebben bij protonentherapie.

Voor doel 3. Binnen dit project wil de onderzoeker stadiëring, pathologie en kwantitatieve beeldvormingstextuurkenmerken integreren voor responsvoorspelling en identificatie van "hoog risico cohort" bij baarmoederhalskanker. Afbeeldingen en klinische gegevens van patiënten die bij baseline MRI hebben, zullen worden opgenomen. De textuurkenmerken kunnen worden gebruikt om "goede" en "slechte responders" na chemoradiatie te categoriseren. Voor hetzelfde cohort patiënten heeft de onderzoeker ook weefsel beschikbaar inclusief resultaten van aanvullende biomarkers (zoals AKT,LICAM, PDL1,CD4 en CD8). De onderzoeker is van plan om eerst verschillen in textuurkenmerken te correleren en te kijken of er een patroon is van verschillende moleculaire kenmerken. In de tweede stap zouden beeldvorming en moleculaire kenmerken kunnen worden geïntegreerd voor het ontwikkelen van "risicovoorspellingsmodellen". GTV en HRCTV afgebakend op 150 datasets bij baseline en brachytherapie binnen doel 1 zullen worden gebruikt om responders en non-responders te categoriseren en nog eens 150 patiëntdatasets te valideren.

Studietype

Observationeel

Inschrijving (Geschat)

1800

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

  • Indië
    • Maharashtra
      • Navi Mumbai, Maharashtra, Indië, 410210
        • Advanced Centre of Treatment Research and Education In Cancer,Tata Memorial Centre

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 90 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Baarmoederhalskankerpatiënten behandeld in lopende en voltooide klinische onderzoeken naar chemoradiatie en brachytherapie voor baarmoederhalskanker in ons instituut met toegang tot MRI/CT-beelden op het moment van diagnose en brachytherapie, postoperatieve of definitieve radiotherapie ondergaan en behandeld in onderzoeken naar postoperatieve of definitieve RT.

Beschrijving

Inclusiecriteria:

Voor doel 1 en doel 3:

  • Patiënten behandeld in lopende en voltooide klinische onderzoeken naar chemoradiatie en brachytherapie voor baarmoederhalskanker met toegang tot MRI/CT-beelden op het moment van diagnose en brachytherapie Voor doel 2
  • Patiënten die postoperatieve of definitieve radiotherapie ondergaan en worden behandeld in onderzoeken naar postoperatieve of definitieve RT.

Uitsluitingscriteria:

  1. Gebrek aan ziekte- of toxiciteitsuitkomsten.
  2. Gebrek aan afbeeldingen in de ziekenhuisdatabase.

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

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Genereren van software voor geautomatiseerde doelafbakening voor baarmoederhalskanker
Tijdsspanne: 3 jaar

1. Geautomatiseerde platforms ontwikkelen en valideren voor doelafbakening en planning voor baarmoederhalskanker op een tijdbesparende manier door middel van

A. Op machinaal leren gebaseerde detectie van abnormale kankerweefsels in medisch-diagnostische beelden met meerdere modaliteiten.

B . Machinebasissystemen trainen voor geautomatiseerde planning van uitwendige bestraling en brachytherapie voor gynaecologische kankers.
3 jaar
Ontwikkeling en validatie van normale weefselcomplicatieplots
Tijdsspanne: 3 jaar
2. Bestaande databases en stralingsdosiskaarten, beeldvormingstextuurkenmerken en gegevens over bijwerkingen gebruiken voor machinaal leren om "normale weefselcomplicatieplots" te ontwikkelen en subgroepen van baarmoederhalskankerpatiënten te identificeren die baat kunnen hebben bij geavanceerde bestralingstechnieken (zoals protonenbehandeling)
3 jaar
Identificeer "patiënten met een hoog risico" die in de toekomst baat kunnen hebben bij intensivering van de behandeling
Tijdsspanne: 3 jaar
3. Geavanceerde beeldtextuuranalyse gebruiken binnen lopende institutionele en collaboratieve klinische onderzoeken om "patiënten met een hoog risico" te identificeren die baat kunnen hebben bij intensivering van de behandeling in de toekomst
3 jaar

Medewerkers en onderzoekers

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

Sponsor

Tata Memorial Hospital

Medewerkers

Erasmus Medical Center
Bhabha Atomic Research Centre and Indian Institute of Technology, Mumbai.

Onderzoekers

  • Hoofdonderzoeker: Supriya Sastri (nee Chopra), MD, Tata Memorial Centre, The Advanced Centre for Treatment, Research and Education in Cancer (ACTREC)

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)

24 februari 2022

Primaire voltooiing (Geschat)

1 september 2024

Studie voltooiing (Geschat)

1 september 2024

Studieregistratiedata

Eerst ingediend

20 oktober 2021

Eerst ingediend dat voldeed aan de QC-criteria

20 oktober 2021

Eerst geplaatst (Werkelijk)

1 november 2021

Updates van studierecords

Laatste update geplaatst (Werkelijk)

11 april 2024

Laatste update ingediend die voldeed aan QC-criteria

10 april 2024

Laatst geverifieerd

1 april 2024

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • TMC IRB 900787
  • CTRI/2021/08/035810 (Register-ID: Clinical Trials Registry - India)

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 .

Klinische onderzoeken op Baarmoederhalskanker

Zoek naar vergelijkbare onderzoeken

Sponsors en medewerkers

Medische omstandigheden

Geneesmiddelinterventies

CROs by country

CROs in Liberia

Voorwaarden

Zeldzame ziekten

Geneesmiddelinterventies

Voedingssupplementen

Sponsor / medewerkers

Locaties

3
Abonneren