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

Een machine learning-aanpak om de complexiteit van multipel myeloom te verbinden met vroege ziekteherhaling

8 januari 2025 bijgewerkt door: IRCCS Azienda Ospedaliero-Universitaria di Bologna

Dit is een niet-interventioneel, nationaal, multicenter prospectief non-profit observationeel onderzoek gericht op het verbeteren van de nauwkeurigheid van risicovoorspelling bij multipel myeloom (MM) door machine-learning tools toe te passen voor gegevensverwerking om model(len) te ontwikkelen die de respons op therapie voorspellen en de waarschijnlijkheid van een vroege terugval voor MM-patiënten.

Studie Overzicht

Toestand

Werving

Conditie

Multipel Myeloom (MM)

Gedetailleerde beschrijving

Verbeteringen in de therapie van MM hebben geleid tot het bereiken van zeer diepgaande klinische reacties, met aanzienlijk verbeterde resultaten en overleving [2]. Ondanks aanzienlijke therapeutische vooruitgang blijft MM echter een uitdaging vanwege de samengestelde pathogenese en ingewikkelde netwerken van verschillende op elkaar inwerkende factoren. Als gevolg hiervan heeft een relatief groot deel van de NDMM-patiënten binnen de verschillende therapeutische strategieën een hoger risico op ziekteprogressie en slechtere resultaten, onafhankelijk van het ontvangen anti-MM-regime. Deze patiënten vertegenwoordigen momenteel een onvervulde klinische behoefte, met de daaruit voortvloeiende uitdagingen bij de behandeling van de ziekte. Het vooraf identificeren van deze patiënten is een belangrijk doel van MM.

Momenteel zijn risicostratificatiescores afhankelijk van een beperkte reeks klinische en biologische variabelen, die niet altijd voldoende zijn om patiënten te identificeren met een hoog risico op vroege ziekteprogressie of terugval (d.w.z. binnen 12 maanden na aanvang van de eerstelijnsbehandeling). Onlangs zijn AI-instrumenten onderzocht om de nauwkeurigheid van risicovoorspellingen te verbeteren, wat aantoont dat ziekten met een hoog risico vooraf kunnen worden herkend, op basis van tumor- en immuunbiomarkers [3-4].

Door Machine Learning (ML)-tools toe te passen voor gegevensverwerking, zullen klinische, genomische en beeldgegevens van MM-patiënten worden geïntegreerd en gebruikt in modellen die gericht zijn op het verbeteren van de nauwkeurigheid van MM-risicovoorspellingen. Op deze manier zullen ML-modellen alle tumor- en micro-omgevingsgerelateerde informatie verzamelen die is verkregen door high-throughput technologieën en omics-benaderingen om clusters van MM-patiënten te identificeren en te beschrijven die het beste correleren met het bereiken van vroege progressie.

Over het geheel genomen zal deze studie nieuwe kennis identificeren ter ondersteuning van klinisch onderzoek en besluitvorming op het gebied van MM: nauwkeurige stratificatie vooraf van patiënten, gebaseerd op het hele landschap van MM-gerelateerde kenmerken, zou het inzicht in het individuele risico van MM kunnen verbeteren. De resultaten van deze studie zullen een impact hebben op de mogelijkheid om toegang te krijgen tot gepersonaliseerde behandeling, met voorspelbare algemene gevolgen voor de effectieve behandeling van MM-patiënten en besparingen voor het nationale gezondheidszorgsysteem.

Studietype

Observationeel

Inschrijving (Geschat)

200

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: Elena Zamagni, MD, PhD
Telefoonnummer: +39 051 214 3680
E-mail: e.zamagni@unibo.it

Studie Locaties

Italië
- - Bologna, Italië, 40138
    - Werving
    - IRCCS Azienda Ospedaliero-Universitaria di Bologna
    - Contact:
      
      Elena Zamagni, MD, PhD
      
      Telefoonnummer: +39 051 214 3680
      
      E-mail: e.zamagni@unibo.it
    - Contact:
      
      Simona Barbato, Ph.D.
      
      Telefoonnummer: +39 051 214 3827
      
      E-mail: simona.barbato3@unibo.it
    - Hoofdonderzoeker:
      
      Elena Zamagni
    - Onderonderzoeker:
      
      Carolina Terragna
  - Cagliari, Italië, 09134
    - Nog niet aan het werven
    - ARNAS "G. Brotzu" di Cagliari
    - Contact:
      
      Daniele Derudas
      
      Telefoonnummer: +39 070 52965520
      
      E-mail: daniele.derudas@aob.it
  - Napoli, Italië, 80131
    - Nog niet aan het werven
    - Azienda Ospedaliera Universitaria Federico II
    - Contact:
      
      Barbara Izzo
      
      Telefoonnummer: +39 081 3737869
      
      E-mail: barbara.izzo@unina.it
- Forlì-Cesena
  - Meldola, Forlì-Cesena, Italië, 47014
    - Nog niet aan het werven
    - Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori" - IRST IRCCS
    - Contact:
      
      Martina Ghetti
      
      Telefoonnummer: +39 0543 739100
      
      E-mail: martina.ghetti@irst.emr.it

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

Deelnemers aan de studie zullen volwassen patiënten zijn met nieuw gediagnosticeerd (ND) multipel myeloom.

Beschrijving

Inclusiecriteria:

Leeftijd ≥ 18 jaar
Ondertekend geïnformeerde toestemmingsformulier voor deelname aan onderzoek en verwerking van persoonsgegevens
Diagnose van actief multipel myeloom

Uitsluitingscriteria:

Geen

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
Algemeen responspercentage Tijdsspanne: 12 maanden na aanvang van de anti-MM-therapie	Algemeen responspercentage	12 maanden na aanvang van de anti-MM-therapie

Medewerkers en onderzoekers

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

Sponsor

IRCCS Azienda Ospedaliero-Universitaria di Bologna

Onderzoekers

Hoofdonderzoeker: Elena Zamagni, MD, PhD, IRCCS Azienda Ospedaliero-Universitaria di Bologna

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)

30 oktober 2024

Primaire voltooiing (Geschat)

2 april 2026

Studie voltooiing (Geschat)

31 augustus 2026

Studieregistratiedata

Eerst ingediend

2 januari 2025

Eerst ingediend dat voldeed aan de QC-criteria

8 januari 2025

Eerst geplaatst (Werkelijk)

25 maart 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)