Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Glioma Patients Registry Based on Radiological, Histopathological and Genetic Analysis

5. februar 2021 oppdatert av: Zhenyu Zhang, The First Affiliated Hospital of Zhengzhou University

Glioma Patients Registry Based on MR Images, Histopathology Images and Genetic Sequencing Analyzed by Artificial Intelligence

This prospective study aims to collect clinical, radiological, pathological, molecular and genetic data including detailed clinical parameters, MR and histopathology images, molecular pathology and genetic sequencing data. By leveraging artificial intelligence, this registry seeks to construct and refine algorithms that able to predict molecular pathology or clinical outcomes of glioma patients based on MR images and histopathology images, as well as revealing related mechanisms from genetic perspective.

Studieoversikt

Status

Ukjent

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Non-invasive and precise prediction for molecular biomarkers such as 1p/19q co-deletion, MGMT methylation, IDH and TERTp mutations, and patients survival is challenging for gliomas. With the development of artificial intelligence, much more potential lies in the preoperative conventional/advanced MR imaging (T1 weighted imaging, T2 weighted imaging, FLAIR, contrast-enhanced T1 weighted imaging, diffusion-weighted imaging, and perfusion imaging), and in the histopathology images of HE slices of gliomas could be excavated to aid prediction of molecular pathology and patients' survival of gliomas. This study aims to collect clinical, radiological, pathological, molecular and genetic data including detailed clinical parameters, MR and histopathology images, molecular pathology (1p/19q co-deletion, MGMT methylation, IDH and TERTp mutations, etc) and genetic data (Whole exome sequencing, RNA sequencing, proteomics, etc), and seeks to construct and refine algorithms that able to predict molecular pathology or clinical outcomes of glioma patients based on MR images and histopathology images, as well as revealing related mechanisms from genetic perspective.

Studietype

Observasjonsmessig

Registrering (Forventet)

500

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Kina
    • Henan
      • Zhengzhou, Henan, Kina, 450052
        • Rekruttering
        • Department of Neurosurgery, First Affiliated Hospital of Zhengzhou University
        • Ta kontakt med:

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

1 år til 95 år (Barn, Voksen, Eldre voksen)

Tar imot friske frivillige

Ja

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Patients with newly diagnosed glioma that receive tumor resection with preoperative MR images and postoperative histopathology images

Beskrivelse

Inclusion Criteria:

  • Patients must have radiologically and histologically confirmed diagnosis of primary glioma
  • Life expectancy of greater than 3 months
  • Must receive tumor resection
  • Must have sufficient frozen tissues and peripheral blood samples for sequencing
  • Must have high-quality MR images and histopathology images
  • Signed informed consent

Exclusion Criteria:

  • No gliomas
  • No sufficient amount of tumor tissues for detection of molecular pathology
  • Patients who are pregnant or breast feeding
  • Patients who are suffered from severe systematic malfunctions

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
AUC of Prediction performance
Tidsramme: up to 2 years
AUC of Prediction performance=sensitivity+specificity-1
up to 2 years

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

The First Affiliated Hospital of Zhengzhou University

Samarbeidspartnere

Sun Yat-sen University

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. november 2018

Primær fullføring (Forventet)

1. januar 2022

Studiet fullført (Forventet)

1. mars 2022

Datoer for studieregistrering

Først innsendt

4. januar 2020

Først innsendt som oppfylte QC-kriteriene

4. januar 2020

Først lagt ut (Faktiske)

7. januar 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

8. februar 2021

Siste oppdatering sendt inn som oppfylte QC-kriteriene

5. februar 2021

Sist bekreftet

1. februar 2021

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • GliomaAI-6

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

UBESLUTTE

IPD-planbeskrivelse

Undecided

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere