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

KLINISK Evaluering av en datamaskinalgoritme for å rapportere brystkreft (CLEOPATRAA) (CLEOPATRAA)

26. oktober 2023 oppdatert av: The Leeds Teaching Hospitals NHS Trust

KLINISK Evaluering av en datamaskinalgoritme for å rapportere brystkreft

Målet med denne ikke-intervensjonistiske observasjonsstudien er å teste ytelsen til en datamaskinalgoritme (QPORB) som undersøker digitale brystkreftbiopsibilder for å gi diagnostisk støtte. Hovedspørsmålene den tar sikte på å besvare er:

  1. Det viktigste forskningsmålet er å finne ut om 4D Paths teknologi Q-Plasia OncoReader Breast, som er utviklet i forskningsmiljøet, fungerer robust i det kliniske miljøet (dvs. for å definere dens kliniske nytte i det virkelige liv) når det gjelder gradering av brystkarsinom og molekylær subtyping
  2. Det sekundære forskningsmålet er å utføre en økonomisk analyse ved siden av forsøket for å fastslå tids-, ressurs- og kostnadsbesparelsene som teknologien har råd til NHS, det ideelle prispunktet for å engasjere seg med teknologien og kostnad:nytte-forholdet for evaluering av National Institute for Clinical Excellence
  3. Det tertiære forskningsmålet er å samle langsiktige oppfølgingsdata for å bedre forstå langsiktig respons på terapi og prognose og potensiell fremtidig bruk av algoritmen

Deltakernes prøver vil bli testet sammen med rutinemessige kliniske arbeidsflyter uten intervensjon eller samtykke. Forskere vil sammenligne resultatene fra algoritmen med resultatene for rutinemessige diagnostiske arbeidsflyter.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Detaljert beskrivelse

Denne studien følger opp fra arbeid utført de siste 4 årene med fokus på utvikling av datastøttede diagnostiske algoritmer innen histopatologi, med fokus på påvisning og typing av brystkreft. Algoritmen trekker ut informasjon fra det samme digitale bildet av et brystbiopsiglass som brukes av patologer for å stille en diagnose. Algoritmen kan identifisere tilstedeværelsen av invasiv kreft, gradere den (dvs. hvor aggressiv den ser ut) og bestemme dens molekylære subtype, alt fra samme bilde og i ett enkelt trinn. Mens en patolog kan identifisere invasiv kreft og gradere den på en biopsiprøve, er graderingen inkonsekvent på tvers av rapporterende klinikere (dvs. utsatt for inter-observatørvariabilitet) og bare ca. 80 % på linje med den "sanne" karakteren til svulsten oppnådd ved operasjonen. Dessuten kreves det ekstra tidkrevende og kostbare laboratorietester for molekylær subtyping. De er imidlertid avgjørende for å informere onkologer om den mest effektive/målrettede behandlingen for pasienten i hvert enkelt tilfelle. Målet med denne studien er å utføre en endelig syretest av teknologien i det kliniske miljøet separat, men parallelt med rutinemessige diagnostiske tjenester. Hvis den lykkes, vil teknologien ha anskaffet en tilstrekkelig mengde data til å overbevise sluttbrukere og regulatoriske organer om dens fortjeneste og vil effektivt gjøre den klar for distribusjon i det kliniske miljøet. I dette domenet vil denne diagnostiske løsningen helseøkonomisk vurdering kjøre sammen med den kliniske evalueringen av algoritmen for å analysere og sammenligne kostnads- og tidsrelaterte faktorer mellom den rutinemessige kliniske tjenesten og algoritmens arbeidsflyt. Dette vil gi ytterligere informasjon som kreves av reguleringsorganer for å hjelpe vurderingen av å utnytte teknologien innenfor dagens helsesystemer. Videre vil det samles inn oppfølgingsdata etter 5 og 10 år for å undersøke pasientprognose og behandlingsrespons samt fremtidige potensielle anvendelser av teknologien.

Studietype

Observasjonsmessig

Registrering (Antatt)

800

Kontakter og plasseringer

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

Studiesteder

    • West Yorkshire
      • Leeds, West Yorkshire, Storbritannia, LS97TF
        • St James's University Hospital, Leeds Teaching Hospitals Trust
        • Ta kontakt med:
        • 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

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

N/A

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter biopsiert for brystkreft

Beskrivelse

Inklusjonskriterier:

  • alle pasienter med en brystbiopsiprøve behandlet ved patologilaboratoriet ved SJUH, LTHT.

Ekskluderingskriterier:

  • Alder <16 eller >110 år, ikke-karsinom-maligniteter (f.eks. sarkomer, ondartede phyllodes-svulster), karsinomer som ikke oppstår fra brystet (f.eks. kutane maligniteter).

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
Konkordans
Tidsramme: 1 år
Det viktigste forskningsmålet er å finne ut om 4D Paths teknologi Q-Plasia OncoReader Breast, som er utviklet i forskningsmiljøet, fungerer robust i det kliniske miljøet (dvs. for å definere dens kliniske nytte i det virkelige liv) når det gjelder gradering av brystkarsinom og molekylær subtyping
1 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Helseøkonomisk evaluering
Tidsramme: 6 måneder
Det sekundære forskningsmålet er å utføre en økonomisk analyse ved siden av forsøket for å fastslå tids-, ressurs- og kostnadsbesparelsene som teknologien har råd til NHS, det ideelle prispunktet for å engasjere seg med teknologien og kostnad:nytte-forholdet for evaluering av National Institute for Clinical Excellence
6 måneder

Andre resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Langsiktig oppfølging
Tidsramme: 10 år
Det tertiære forskningsmålet er å samle langsiktige oppfølgingsdata for å bedre forstå langsiktig respons på terapi og prognose og potensiell fremtidig bruk av algoritmen
10 år

Samarbeidspartnere og etterforskere

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

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 (Antatt)

1. desember 2023

Primær fullføring (Antatt)

30. november 2024

Studiet fullført (Antatt)

30. november 2034

Datoer for studieregistrering

Først innsendt

26. oktober 2023

Først innsendt som oppfylte QC-kriteriene

26. oktober 2023

Først lagt ut (Faktiske)

1. november 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

1. november 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

26. oktober 2023

Sist bekreftet

1. oktober 2023

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Andre studie-ID-numre

  • HP22/152913

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Ikke data delt med andre forskere

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Ja

produkt produsert i og eksportert fra USA

Ja

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. .

Kliniske studier på Brystkreft

Abonnere