Een single-arm, prospectieve, multidisciplinair cohortonderzoek op basis van deep learning-gebaseerde cfDNA-fragmentomics om het TuFEst-model te valideren voor het stadiumdiagnose van borstkankerlaesies en lymfeklieren (PRO-TuFEst-LN)
5 augustus 2026 bijgewerkt door: Second Affiliated Hospital, Zhejiang University, School of Medicine
Een prospectieve, multi-center cohortstudie met één arm, gebaseerd op cfDNA-fragment-omics met deep learning, om het TuFEst-model te valideren voor de stadia-diagnose van borstkankerlaesies en lymfeklieren
Door het onderzoek van dit project verwachten we de cfDNA-fragment-omics vloeibare biopsietechnologie op basis van deep learning te bereiken, de nauwkeurigheid van het TuFEst-model te verifiëren bij het voorspellen van de tumorbelastingstatus van borstkankerlaesies en lymfeklieren bij nieuw gediagnosticeerde borstkankerpatiënten en patiënten die neoadjuvante therapie ontvangen, en een theoretische basis te bieden voor grootschalige klinische toepassing in de toekomst.
Studie Overzicht
Toestand
Werving
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
- Op basis van het eerder gevestigde TuFEst-model wordt de cfDNA-fragmentomics vloeibare biopsietechnologie gebaseerd op deep learning gebruikt om de tumorlaststatus van borstkankerlaesies en lymfeklieren te voorspellen, waardoor de nauwkeurigheid van de vroege diagnose van borstkanker wordt verbeterd: Deze studie zal bloedmonsters verzamelen en analyseren van borstkankerpatiënten in verschillende stadia, en gebruik maken van deep learning-gebaseerde cfDNA-fragmentomics vloeibare biopsietechnologie om tumorgerelateerde cfDNA-fragmenten te extraheren en een cfDNA-fragmentomics kenmerkenbibliotheek op te bouwen. Voorspellingen worden gemaakt op basis van het TuFEst-model. Vervolgens worden nauwkeurigheidsmatching en evaluatie uitgevoerd op basis van de voorspellingsresultaten en de werkelijke borstkankerlaesie en lymfeklier tumorlaststatus. De werkzaamheid van het TuFEst-model in de stadiumdiagnose van borstkanker wordt geverifieerd.
- Om de gevoeligheid, specificiteit, nauwkeurigheid en reproduceerbaarheid van het TuFEst-model te evalueren om de betrouwbaarheid ervan in klinische toepassing te bepalen: Deze studie zal een groter aantal bloedmonsters verzamelen van borstkankerpatiënten op basis van de eerdere retrospectieve cohort om de prestaties van het model in een groter prospectief cohort te beoordelen. Deze studie zal ook de toepassing van deze technologie in de monitoring van neoadjuvante therapie voor borstkanker onderzoeken, specifiek de toepassing ervan evalueren in de post-behandeling stadiumdiagnose van borstkanker, voorspelling van behandelingseffecten en monitoring van tumorrecidief.
Studietype
Observationeel
Inschrijving (Geschat)
400
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: Chao Ni
- Telefoonnummer: +8613989463951
- E-mail: drnichao@zju.edu.cn
Studie Locaties
-
-
Zhejiang
-
Hangzhou, Zhejiang, China
- Werving
- Second affiliated hospital of Medical school, Zhejiang university
-
Contact:
- Yao Dr
- Telefoonnummer: +8613989463951
- E-mail: drnichao@zju.edu.cn
-
-
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
Patiënten die zijn behandeld in het Second Affiliated Hospital of Zhejiang University School of Medicine (andere centra) vanaf de datum van ethische goedkeuring tot en met 31 december 2027
Beschrijving
Inclusiecriteria:
- Patiënten van 18 tot 70 jaar;
- Directe chirurgiegroep (Cohort 1): Radicale chirurgie werd uitgevoerd zonder neoadjuvante therapie;
- Neoadjuvante therapiegroep (Cohort 2): De initiële diagnose was invasieve borstkanker met bevestigde uitzaaiing in de oksellymfeklieren, en de patiënt was bereid om aan het einde van de behandeling radicale chirurgie te ondergaan;
- Plasma van patiënten tijdens de behandeling kan worden verkregen;
- Bereid zijn om het geïnformeerde toestemmingsformulier te ondertekenen. -
Exclusiecriteria:
- Zwanger zijn of borstvoeding geven;
- Patiënten bij wie de laesies al zijn verwijderd;
- In de 5 jaar voor insluiting geleden aan andere typen kwaadaardige tumoren met een duidelijke pathologische diagnose;
- In het jaar voor insluiting had de patiënt andere kwaadaardige tumoren die door beeldvorming werden vermoed, maar niet door pathologie werden bevestigd;
- Vermoede uitzaaiingen op afstand op beeldvorming, of potentiële lymfeklierlaesies die niet volledig door chirurgie kunnen worden genezen;
- In de afgelopen 30 dagen een infuusbehandeling met bloedproducten hebben ontvangen. -
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 |
|---|---|
|
1
Invasive breast cancer patients with cT1-3N0M0 disease who have received no prior neoadjuvant therapy or radiotherapy and undergo SLNB and/or ALND for axillary evaluation.
A total of 300 participants are planned to be enrolled in Cohort 1
|
Geen interventie: observationeel cohort
|
|
2
Patients with newly diagnosed invasive breast cancer and biopsy-confirmed axillary lymph node metastasis without distant metastasis, who are scheduled to receive standard neoadjuvant systemic therapy followed by breast and axillary surgery .
Patients who complete or prematurely discontinue neoadjuvant therapy for clinical reasons but proceed to surgery are eligible.At least 100 participants are planned to be enrolled in Cohort 2.
|
Geen interventie: observationeel cohort
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Pathological axillary lymph node positivity rate among TuFEst-LN-negative patients
Tijdsspanne: up to 2 weeks
|
Defined as the proportion of patients with pathological axillary lymph node positivity (pN1mi or higher) among patients predicted as negative by the locked TuFEst-LN model in Cohort 1. FOR = FN/(TN+FN) = 1-NPV.
|
up to 2 weeks
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Negative Predictive Value (NPV) of the TuFEst-LN Model
Tijdsspanne: 2 weeks
|
The proportion of patients with negative pathological axillary lymph node status (pN0 or pN0(i+)) among patients classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Sensitivity and False Negative Rate (FNR) for Detecting Pathological Axillary Lymph Node Positivity
Tijdsspanne: 2 weeks
|
The ability of the locked TuFEst-LN model to identify patients with pathological axillary lymph node metastasis (pN1mi or higher).
FNR is defined as 1-sensitivity.
|
2 weeks
|
|
Specificity of the TuFEst-LN Model
Tijdsspanne: 2 weeks
|
The proportion of patients with true pathological node-negative status (pN0 or pN0(i+)) who are correctly classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Positive Predictive Value (PPV), Overall Accuracy, and Discrimination Performance
Tijdsspanne: 2 weeks
|
Evaluation of the predictive performance of the locked TuFEst-LN model, including PPV, overall accuracy, area under the receiver operating characteristic curve (ROC-AUC), area under the precision-recall curve (PR-AUC), and likelihood ratios.
|
2 weeks
|
|
Proportion of Patients Classified as Negative by the TuFEst-LN Model
Tijdsspanne: 2 weeks
|
The proportion of evaluable patients in Cohort 1 who are classified as negative by the locked TuFEst-LN model, used to estimate the potential rate of sentinel lymph node biopsy (SLNB) omission.
|
2 weeks
|
|
Calibration and Net Clinical Benefit of the TuFEst-LN Model
Tijdsspanne: 2 weeks
|
Assessment of model calibration and clinical utility using Brier score, calibration intercept, calibration slope, calibration curve, and decision curve analysis.
|
2 weeks
|
|
Pathological Burden of Missed Positive Cases
Tijdsspanne: 2 weeks
|
Evaluation of pathological characteristics among false-negative patients, including the number of micrometastatic and macrometastatic lymph node cases, extranodal extension, and other adverse pathological features.
|
2 weeks
|
Andere uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Predictive Performance of the TuFEst-LN Model for ypN Status
Tijdsspanne: 2 weeks
|
Using final surgical pathology as the reference standard, the predictive performance of the TuFEst-LN model for post-neoadjuvant pathological axillary lymph node status (ypN) will be evaluated, including area under the receiver operating characteristic curve (ROC-AUC), sensitivity, specificity, negative predictive value (NPV), positive predictive value (PPV), and calibration performance.
|
2 weeks
|
|
Predictive Performance of Preoperative MRI for ypN Status
Tijdsspanne: 2 weeks
|
Evaluation of the ability of preoperative magnetic resonance imaging (MRI) clinical and quantitative imaging features after neoadjuvant therapy to predict residual pathological axillary lymph node status (ypN0 versus ypN-positive).
|
2 weeks
|
|
Performance of Combined cfDNA Fragmentomics and MRI Model
Tijdsspanne: 2 weeks
|
Evaluation of the incremental value of integrating TuFEst-LN cfDNA fragmentomic features with MRI-based prediction models by comparing changes in ROC-AUC, Brier score, calibration performance, and decision curve analysis.
|
2 weeks
|
|
Changes in cfDNA Fragmentomic Features From T0 to T1
Tijdsspanne: 2 weeks
|
Exploration of the association between longitudinal changes in cfDNA fragmentomic scores or features before and after neoadjuvant therapy and pathological outcomes, including ypN status, breast pathological complete response (pCR), residual cancer burden (RCB), and residual tumor burden.
|
2 weeks
|
|
Exploratory Subgroup Analysis
Tijdsspanne: 2 weeks
|
Exploration of the predictive performance of the TuFEst-LN model across clinically relevant subgroups, including molecular subtype, treatment regimen, and baseline lymph node burden.
|
2 weeks
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
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
- Gentilini OD, Botteri E, Sangalli C, Galimberti V, Porpiglia M, Agresti R, Luini A, Viale G, Cassano E, Peradze N, Toesca A, Massari G, Sacchini V, Munzone E, Leonardi MC, Cattadori F, Di Micco R, Esposito E, Sgarella A, Cattaneo S, Busani M, Dessena M, Bianchi A, Cretella E, Ripoll Orts F, Mueller M, Tinterri C, Chahuan Manzur BJ, Benedetto C, Veronesi P; SOUND Trial Group. Sentinel Lymph Node Biopsy vs No Axillary Surgery in Patients With Small Breast Cancer and Negative Results on Ultrasonography of Axillary Lymph Nodes: The SOUND Randomized Clinical Trial. JAMA Oncol. 2023 Nov 1;9(11):1557-1564. doi: 10.1001/jamaoncol.2023.3759.
- Bruhm DC, Vulpescu NA, Foda ZH, Phallen J, Scharpf RB, Velculescu VE. Genomic and fragmentomic landscapes of cell-free DNA for early cancer detection. Nat Rev Cancer. 2025 May;25(5):341-358. doi: 10.1038/s41568-025-00795-x. Epub 2025 Mar 4.
- Reimer T, Stachs A, Veselinovic K, Kuhn T, Heil J, Polata S, Marme F, Muller T, Hildebrandt G, Krug D, Ataseven B, Reitsamer R, Ruth S, Denkert C, Bekes I, Zahm DM, Thill M, Golatta M, Holtschmidt J, Knauer M, Nekljudova V, Loibl S, Gerber B. Axillary Surgery in Breast Cancer - Primary Results of the INSEMA Trial. N Engl J Med. 2025 Mar 13;392(11):1051-1064. doi: 10.1056/NEJMoa2412063. Epub 2024 Dec 12.
- Zhu Y, Zheng S, Shao Y, Zhou J, Gu X, Shen L, Li X, Liu W, Xue W, Lu H, Zhou J, Ding J, Deng H, Chen J, Yu Z, Yao Y, Xia W, Chen W, Sun S, Wang Z, Qian T, Yu X, Liu J, Chen Y, Lin Z, Huang J, Ni C. Fragmentomic liquid biopsy enables early breast cancer detection, molecular subtyping and lymph node assessment. Nat Commun. 2026 Mar 6;17(1):2276. doi: 10.1038/s41467-026-70204-w.
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 2025
Primaire voltooiing (Geschat)
31 december 2027
Studie voltooiing (Geschat)
31 december 2027
Studieregistratiedata
Eerst ingediend
19 november 2025
Eerst ingediend dat voldeed aan de QC-criteria
11 december 2025
Eerst geplaatst (Werkelijk)
26 december 2025
Updates van studierecords
Laatste update geplaatst (Werkelijk)
10 augustus 2026
Laatste update ingediend die voldeed aan QC-criteria
5 augustus 2026
Laatst geverifieerd
1 oktober 2025
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2025-1028
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
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 .