Multi-modale Fusiemodel en Deep Learning voor het Voorspellen van Behandelingsrespons in NKTCL
26 april 2026 bijgewerkt door: Qingqing Cai, Sun Yat-sen University
Multi-modale Fusiemodel en Deep Learning voor het Voorspellen van Behandelrespons in NK/T-cellymfoom
Dit is een multicenter prospectieve studie om een multimodaal, op deep learning gebaseerd model te ontwikkelen en valideren voor het voorspellen van de behandelingrespons bij patiënten met extranodaal natural killer/T-cellymfoom (NKTCL) die eerstelijns asparaginase-gebaseerde therapie ontvangen.
Studie Overzicht
Toestand
Nog niet aan het werven
Conditie
Studietype
Observationeel
Inschrijving (Geschat)
100
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: Qingqing Cai, MD. PhD.
- Telefoonnummer: 0208734282
- E-mail: caiqq@sysucc.org.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
De studiepopulatie omvat volwassen patiënten met pathologisch bevestigd extranodaal natural killer/T-cellymfoom (NKTCL) die eerste lijn asparaginase-gebaseerde chemotherapie of chemoradiotherapie ontvangen, met beschikbare pretherapie MRI- of H&E-gekleurde whole-slide pathologiebeelden.
Patiënten zullen prospectief worden gevolgd voor behandelingsrespons en overlevingsuitkomsten.
Beschrijving
Inclusiecriteria:
- 1. Leeftijd ≥ 18 jaar.
- 2. Pathologisch bevestigd extranodaal natural killer/T-cellymfoom (NKTCL) volgens de classificatie van de Wereldgezondheidsorganisatie (WHO).
- 3. Patiënten bij wie een eerste lijn asparaginase-gebaseerde chemotherapie of chemoradiotherapie gepland staat.
- 4. Patiënten die ofwel een contrastversterkte MRI van de nasofarynx hebben verkregen als onderdeel van de routinematige klinische zorg, ofwel pre-behandeling whole-slide afbeeldingen (WSI) van tumorweefsel van hematoxyline- en eosine (H&E)-gekleurde coupes beschikbaar hebben voor analyse.
- 5. Het vermogen om de studie te begrijpen en schriftelijke geïnformeerde toestemming (ICF) te verlenen.
Exclusiecriteria:
- 1. Voorgeschiedenis van andere kwaadaardige tumoren.
- 2. Patiënten met psychiatrische stoornissen of patiënten die niet in staat zijn geïnformeerde toestemming te verlenen.
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 |
|---|
|
Cohort voor eerstelijns behandeling op basis van asparaginase
Deelnemers in dit cohort zijn patiënten met extranodaal natural killer/T-cel lymfoom (NKTCL) die volgens de institutionele praktijk gepland staan om standaard eerstelijns asparaginase-gebaseerde chemotherapie te ontvangen.
Voorbehandeling klinische gegevens, contrastversterkte magnetische resonantie beeldvorming (MRI) van de nasofarynx en nek, en digitale pathologiebeelden van hematoxyline en eosine (H&E)-gekleurde tumorcoupes zullen worden verzameld.
Patiënten zullen worden gevolgd voor progressievrije overleving en algehele overleving volgens het routinematige vervolgschema.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Voorspellende nauwkeurigheid van eerstelijnsbehandelingsrespons (CR versus non-CR) volgens Lugano 2014-criteria
Tijdsspanne: Vanaf baseline tot ziekte-respons en follow-upbeoordelingen, tot 3 jaar.
|
Het primaire eindpunt is de voorspellende prestaties van het multimodale deep learning-model voor de eerstelijnsbehandelingsrespons bij patiënten met extranodaal natural killer/T-cel lymfoom (NKTCL).
De behandelsrespons wordt beoordeeld volgens de Lugano 2014-criteria.
De modelprestaties worden geëvalueerd door receiver operating characteristic (ROC)-analyse en gekwantificeerd met het gebied onder de curve (AUC), nauwkeurigheid, sensitiviteit, specificiteit, positief voorspellende waarde en negatief voorspellende waarde door modelvoorspellingen te vergelijken met de waargenomen klinische respons.
|
Vanaf baseline tot ziekte-respons en follow-upbeoordelingen, tot 3 jaar.
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
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 (Geschat)
15 augustus 2026
Primaire voltooiing (Geschat)
31 december 2027
Studie voltooiing (Geschat)
31 december 2027
Studieregistratiedata
Eerst ingediend
6 februari 2026
Eerst ingediend dat voldeed aan de QC-criteria
6 februari 2026
Eerst geplaatst (Werkelijk)
13 februari 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
28 april 2026
Laatste update ingediend die voldeed aan QC-criteria
26 april 2026
Laatst geverifieerd
1 april 2026
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- B2025-444
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 .