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

Gebruik van machinale leertechnieken voor seriële beoordeling van systemische inflammatoire markers bij borstkankerpatiënten (INFLAMMATE)

10 maart 2025 bijgewerkt door: Afonso Celso Pinto Nazario, Federal University of São Paulo
Borstkanker is wereldwijd de meest voorkomende kanker bij vrouwen, met 2,3 miljoen nieuwe gevallen gediagnosticeerd in 2020. Hormoonreceptorpositieve (HR+), humane epidermale groeifactorreceptor 2-negatieve (HER2-) borstkanker is het meest voorkomende subtype en omvat 69% van alle borstkankers in de VS. Binnen de tumorimmuunmicro-omgeving zijn een hogere intensiteit van myeloïde celinfiltratie en lage niveaus van lymfocytinfiltratie in verband gebracht met slechtere resultaten. Markers in perifeer bloed zijn uitgegroeid tot voorspellende biomarkers die gemakkelijk, niet-invasief en tegen lage kosten kunnen worden verkregen. Experimenten hebben bevestigd dat de relatieve componenten van deze tests (zoals de immuuncellen) direct of indirect hebben deelgenomen aan het optreden, de ontwikkeling en het ontsnappen van het immuunsysteem, wat het potentiële gebruik van laboratoriumtests als tumorbiomarkers onderstreept.

Studie Overzicht

Toestand

Aanmelden op uitnodiging

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Bij borstkanker worden verhoogde neutrofielenniveaus en verlaagde lymfocytenniveaus in het perifere bloed geassocieerd met een slechtere algehele overleving (OS). In HR+ waren HER2-gemetastaseerde borstkankers, een laag NLR vóór de behandeling en een hoog absoluut lymfocytenaantal (ALC) vóór de behandeling gerelateerd aan een betere progressievrije overleving (PFS) en OS. De ontwikkeling van voorspellende modellen, gebaseerd op machine learning (ML)-algoritmen, is gebruikt bij de prognose en helpt bij de diagnose van verschillende soorten kanker.

Hoewel reguliere laboratoriumtests potentieel biomarkers voor borstkanker kunnen zijn, moet één enkele test nog voldoende sensitiviteit of specificiteit bieden. Kunstmatige intelligentie (AI) kan helpen bij het integreren van gegevens uit meerdere tests om de diagnose te vergemakkelijken. Technische verbeteringen zoals gegevensopslagcapaciteit, rekenkracht en betere algoritmen zorgen ervoor dat ML klinisch betekenisvolle informatie uit laboratoriumtestgegevens kan verwerken. De generaliseerbaarheid en stabiliteit van modellen moet nog worden bevestigd, gezien beperkingen zoals de afwezigheid van verschillende pathologische typen, kleine cohorten en het gebrek aan externe validatie. Daarom is een competitief model ook essentieel om een ​​nauwkeurigere stratificatie van patiënten met borstkanker te bereiken. Het doel van deze retrospectieve multicentrische studie is het systematisch evalueren van het vermogen van laboratoriumtests om borstkanker te voorspellen, en het ontwikkelen van een robuust en generaliseerbaar model om te helpen bij het identificeren van patiënten met borstkanker.

Studietype

Observationeel

Inschrijving (Geschat)

4500

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

  • Argentinië
      • Buenos Aires, Argentinië
        • Pablo Mandó
  • Brazilië
    • Minas Gerais
      • Uberaba, Minas Gerais, Brazilië
        • Rosekeila Simoes Nomeline
    • Rio Grande do Sul
      • Porto Alegre, Rio Grande do Sul, Brazilië
        • Tomas Reinert
    • Sao Paulo
      • Barretos, Sao Paulo, Brazilië
        • Idam Oliveira Junior
      • Campinas, Sao Paulo, Brazilië
        • César Cabello
      • Ribeirão Preto, Sao Paulo, Brazilië
        • Daniel Guimaraes Tiezzi
  • Canada
    • Ontario
      • Toronto, Ontario, Canada
        • Vasily Giannakeas
  • Egypte
      • Cairo, Egypte
        • Salma Elashwah
  • Japan
      • Osaka, Japan
        • Masahiro Takada
      • Tokyo, Japan, 113-8677
        • Masakazu Toi
  • Korea, republiek van
      • Seul, Korea, republiek van
        • Wonshik Han
  • Mexico
      • Mexico City, Mexico
        • Cynthia Mayte Villarreal Garza
  • Spanje
      • Madrid, Spanje
        • Cristina Saura

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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Alle vrouwen die bij ons onderzoek betrokken zijn, zijn patiënten bij wie pathologisch borstkanker is gediagnosticeerd en die tussen 1 januari 2013 en 31 december 2018 zijn behandeld met een operatie of neoadjuvante chemotherapie.

Beschrijving

Inclusiecriteria:

  • Vrouwelijke patiënten met een leeftijd tussen 18 en 75 jaar;
  • Patiënten met invasieve borstkanker gediagnosticeerd door pathologie;
  • Patiënten gediagnosticeerd tussen 1 januari 2013 en 31 december 2018;
  • Laat een volledig bloedonderzoek uitvoeren vóór de chirurgische ingreep (mastectomie of conservatieve borstoperatie) of neoadjuvante chemotherapie;

Uitsluitingscriteria:

Aanwezigheid van hematologische aandoeningen;

  • Bilaterale borstkanker;
  • Mannelijk;
  • Karnofsky-prestatiestatusscore < 70 ';
  • Inflammatoire borstkanker en in situ carcinoom;
  • Zwangerschap of borstvoeding;
  • Bewijs van lokaal of op afstand recidief.

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
Groep I: Borstkanker
Alle deelnemers aan onze studie zijn vrouwen bij wie borstkanker is vastgesteld en die tussen 1 januari 2013 en 31 december 2018 zijn behandeld met een operatie of neoadjuvante chemotherapie.
Procedure: Chirurgie (mastectomie of quadrantectomie)
Chirurgie (mastectomie of quadrantectomie); Neoadjuvante chemotherapie
Andere namen:
  • Neoadjuvante chemotherapie

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Algemeen overleven
Tijdsspanne: Vanaf de datum van diagnose tot de datum van overlijden, beoordeeld tot 120 maanden
Algemeen overleven
Vanaf de datum van diagnose tot de datum van overlijden, beoordeeld tot 120 maanden

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Ziektevrije overleving
Tijdsspanne: Vanaf de datum van diagnose tot de datum van eerste progressie (lokaal recidief van de tumor of metastase op afstand), beoordeeld tot 60 maanden
Ziektevrij overleven
Vanaf de datum van diagnose tot de datum van eerste progressie (lokaal recidief van de tumor of metastase op afstand), beoordeeld tot 60 maanden

Medewerkers en onderzoekers

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

Sponsor

Federal University of São Paulo

Medewerkers

Emory University
University of Sao Paulo
University of Campinas, Brazil
Mansoura University
Seoul National University
Barretos Cancer Hospital
Women's College Hospital
Universidade Federal do Triangulo Mineiro
Instituto Nacional de Cancer, Brazil
Hospital Vall d'Hebron
Kyoto University
Instituto de Cardiología y Medicina Vascular Hospital Zambrano-Hellion Tec Salud
Centro de Educación Medica e Investigaciones Clínicas Norberto Quirno
Kansai Medical University

Onderzoekers

  • Hoofdonderzoeker: Afonso C Nazario, PhD, University Federal of Sao Paulo

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 (Werkelijk)

1 augustus 2024

Primaire voltooiing (Werkelijk)

31 december 2024

Studie voltooiing (Geschat)

1 februari 2027

Studieregistratiedata

Eerst ingediend

26 april 2024

Eerst ingediend dat voldeed aan de QC-criteria

2 juni 2024

Eerst geplaatst (Werkelijk)

7 juni 2024

Updates van studierecords

Laatste update geplaatst (Werkelijk)

25 maart 2025

Laatste update ingediend die voldeed aan QC-criteria

10 maart 2025

Laatst geverifieerd

1 juni 2024

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • University of Sao Paulo

Plan Individuele Deelnemersgegevens (IPD)

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

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

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