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

Deep Learning Radiogenomics voor geïndividualiseerde therapie bij inoperabele galblaaskanker

6 februari 2023 bijgewerkt door: Pankaj Gupta, Postgraduate Institute of Medical Education and Research, Chandigarh

Het doel van deze observationele studie is om meer te weten te komen over deep learning radiogenomics voor geïndividualiseerde therapie bij inoperabele galblaaskanker. De belangrijkste vragen die het wil beantwoorden zijn:

(i) of een deep learning radiomics (DLR) -model kan worden gebruikt voor identificatie van de HER2-status en voorspelling van de respons op anti-HER2-gerichte therapie bij inoperabele GBC.

(ii) validatie van het deep learning radiomics (DLR) -model voor identificatie van de HER2-status en voorspelling van de respons op anti-HER2-gerichte therapie bij inoperabele GBC.

Er wordt aan de deelnemers gevraagd

  1. Onderga een biopsie van de galblaasmassa na een baseline CT-scan
  2. Op basis van de resultaten van de biopsie krijgen patiënten gerichte chemotherapie (indien Her2-positief) of niet-gericht
  3. De respons op de behandeling zal worden beoordeeld met een CT-scan na 12 weken chemotherapie

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Deze studie was gericht op het onderzoeken van de behandelingsoptie voor patiënten met inoperabele GB-kanker. Momenteel is de behandeling van inoperabele GB-kanker voornamelijk palliatief met een regime van chemotherapie dat beperkt is tot een generieke vorm van chemotherapie die wordt aangeboden aan patiënten met andere GI-kanker. Er zijn evoluerende gegevens over de rol van genetische mutatie bij kankers. Recente studies hebben ook meerdere somatische en kiembaanmutaties aangetoond bij GB-kanker. Sommige van deze mutaties zijn geschikt voor gerichte therapie. Het tijdperk van precisiegeneeskunde zorgde voor nieuwe hoop voor patiënten met inoperabele kanker. Er zijn enkele voorlopige gegevens die het voordeel van precisiegeneeskunde ook bij GB-kanker aantonen. De schatting van gerichte therapie is afhankelijk van het verkrijgen van biopsietherapie bij kanker, wat vaak een uitdaging kan zijn, gepaard gaat met complicaties en minder acceptabel is voor de patiënten. Studies bij sommige andere kankers tonen aan dat genetische mutatie kan worden voorspeld op basis van beeldvormingskenmerken, maar een dergelijke studie is niet gedaan bij GB-kanker. De fundamentele hypothese is dat voorspelling van de HER2-status en respons op anti-HER2-gerichte therapie met behulp van deep learning radiomische modellen in inoperabele GBC onderzoekers in staat zal stellen het potentieel van gerichte therapie in klinische onderzoeken volledig te benutten.

Studietype

Observationeel

Inschrijving (Verwacht)

75

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 Locaties

  • Indië
    • Punjab
      • Chandigarh, Punjab, Indië, 160012
        • Werving
        • Post Graduate Institute of Medical Education and Research
        • Contact:
          • Pankaj Gupta
          • Telefoonnummer: 0172-2756508

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 70 jaar (VOLWASSEN, OUDER_ADULT)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Patiënten met inoperabele massavormende GBC

Beschrijving

Inclusiecriteria:

  1. Patiënten met inoperabele massavormende GBC
  2. Patiënten bereid om geïnformeerde toestemming te geven

Uitsluitingscriteria:

  1. Patiënten met eerdere chemotherapie voor GBC
  2. Patiënten met gestoorde RFT's
  3. Patiënten met contrastallergie

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
Ontwikkelen en valideren van een deep learning radiomics (DLR)-model voor identificatie van de HER2-status bij inoperabele galblaaskanker (GBC) op computertomografie (CT)
Tijdsspanne: 8 maanden
Het DLR-model dat de HER2-status in inoperabele GBC identificeert, zal worden ontwikkeld met behulp van contrastversterkte CT-scans van 150 patiënten (retrospectieve gegevens). De nauwkeurigheid van DLR zal worden gevalideerd in prospectieve contrastversterkte CT-gegevens van 75 patiënten.
8 maanden
Voorspel de respons op anti-HER2-gerichte therapie met behulp van DLR
Tijdsspanne: 12 weken
DLR zal worden gebruikt om de respons op gerichte therapie te voorspellen in een prospectief cohort van HER2+ GBC-patiënten op follow-up CT na 12 weken met behulp van RECIST 1.1
12 weken

Medewerkers en onderzoekers

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

Sponsor

Postgraduate Institute of Medical Education and Research, Chandigarh

Medewerkers

Radiological Society of North America

Onderzoekers

  • Hoofdonderzoeker: Pankaj Gupta, PGIMER, Chandigarh

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

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 (VERWACHT)

15 februari 2023

Primaire voltooiing (VERWACHT)

31 december 2023

Studie voltooiing (VERWACHT)

31 december 2023

Studieregistratiedata

Eerst ingediend

29 januari 2023

Eerst ingediend dat voldeed aan de QC-criteria

6 februari 2023

Eerst geplaatst (WERKELIJK)

8 februari 2023

Updates van studierecords

Laatste update geplaatst (WERKELIJK)

8 februari 2023

Laatste update ingediend die voldeed aan QC-criteria

6 februari 2023

Laatst geverifieerd

1 februari 2023

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • 31875

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 Kanker van de galblaas

Klinische onderzoeken op CT-scan

Zoek naar vergelijkbare onderzoeken

Sponsors en medewerkers

Medische omstandigheden

Geneesmiddelinterventies

CROs by country

CROs in Georgia

Voorwaarden

Zeldzame ziekten

Geneesmiddelinterventies

Voedingssupplementen

Sponsor / medewerkers

Locaties

3
Abonneren