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

MR-radiomiks kombinert med patomikk om prediksjon av molekylær klassifisering og prognose av endometriekreft

13. november 2023 oppdatert av: Fujian Cancer Hospital

Studie om prediksjon av molekylær klassifisering og prognose av endometriekreft ved bruk av en modell konstruert av magnetisk resonansavbildning radiomikser kombinert med patomikk

Molekylær typing gir nøyaktig informasjon for diagnose, behandling og prognoseprediksjon av endometriekreft, som har viktig klinisk betydning. På grunn av den høye kostnaden og den kompliserte prosessen er det imidlertid vanskelig å bli mye brukt i klinisk praksis. Basert på den kunstige intelligensmetoden, smeltet denne studien sammen egenskapene til MR-radiomik og patomikk, kombinert med den kliniske patologiske informasjonen, bygget en modell for å forutsi molekylær typing og prognose, analyserte de biologiske egenskapene til endometriekreft fra multi-skala nivå, veiledet personlig og presis diagnose og behandling, for å forbedre prognosen til pasienter.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

I dette prosjektet ble 150 tilfeller av endometriekreft retrospektivt samlet, og 200 tilfeller av endometriekreft vil bli prospektivt samlet. Alle pasientene ble patologisk bekreftet og gjennomgikk Promise molekylær typing. Før behandling gjennomførte alle pasienter abdominal MR. Basert på kunstig intelligens-teknologi ble bildetrekk hentet ut fra magnetisk resonansavbildning, patologiske trekk ble hentet ut fra patologiske data, og klinisk patologiske data ble samlet inn samtidig. Behandlingseffekten, residiv og metastaser hos pasienter ble fulgt opp, og femårsoverlevelse og femårsprogresjonsfri overlevelsesrate ble beregnet. Det foreslås å fokusere på følgende forskning:

  1. Konstruksjon av molekylær typing og prognoseprediksjonsmodell for endometriekreft basert på magnetisk resonansavbildning Radiomiks
  2. Konstruksjon av molekylær typing og prognoseprediksjonsmodell for endometriekreft basert på patomikk.
  3. Konstruksjon av en prediksjonsmodell for molekylær typing av endometriekreft ved å integrere patomikk og radiomikalier.

Studietype

Observasjonsmessig

Registrering (Antatt)

350

Kontakter og plasseringer

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

Studiekontakt

  • Navn: Jian Chen, Master
  • Telefonnummer: 15806030009
  • E-post: marsz3@126.com

Studiesteder

  • Kina
    • Fujian
      • Fuzhou, Fujian, Kina, 350014
        • Clinical Oncology School of Fujian Medical University, Fujian Cancer Hospital
        • 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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

N/A

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

  1. Alle pasienter ble patologisk bekreftet som endometriale maligne svulster, og molekylær typing ble utført.
  2. Pasienter med endometriekreft som ble innlagt på Fujian kreftsykehus fra januar 2020 til desember 2023, ble samlet inn retrospektivt. I mellomtiden, fra 1. januar 2024, ble alle påfølgende pasienter med nylig diagnostisert endometriekreft registrert og undertegnet det informerte samtykket.

Beskrivelse

Inklusjonskriterier:

  • •Patologisk bekreftet som endometrial ondartet svulst med komplette patologiske H＆E-fargede seksjoner;

    • Alder ≥ 18 år og ≤ 80 år;
    • Ingen andre ondartede kreftformer ble funnet;
    • De komplette immunhistokjemiske og andre generasjons sekvenseringsresultatene kan brukes til molekylær typing av ProMisE;
    • Magnetisk resonansundersøkelse ble utført innen 2 uker før behandling, og det var minst én målbar lesjon i henhold til RECIST 1.1 Kriterier.

Ekskluderingskriterier:

  • • Bildekvaliteten er dårlig eller svulsten er for liten på grunn av alvorlige grafiske artefakter og degenerasjon, og ROI kan ikke avgrenses nøyaktig;

    • Pasienter som mottok antitumorbehandling før operasjonen;
    • Diagnostisk endometriebiopsi før MR

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
POLE Mut
POLE-genmutasjonsdeteksjonen ble utført, og mutasjonsendringene ble klassifisert som POLE-mutasjon.
Diagnostisk test: neste generasjons sekvensering OG immunhistokjemisk undersøkelse
Først ble mismatch repair (MMR) proteiner oppdaget ved immunhistokjemi, og slettingen av ett eller flere proteiner ble klassifisert som d-MMR subtype; Deretter ble POLE-genmutasjonsdeteksjonen utført, og mutasjonen Changes ble klassifisert som POLE-mutasjon; Til slutt ble p53 påvist ved immunhistokjemi, og p53 mutant (p53 abn) og p53 villtype (p53wt) ble skilt.
Andre navn:
  • Magnetisk resonansundersøkelse
dMMR
Mismatch repair (MMR) proteinene ble oppdaget ved immunhistokjemi, og slettingen av ett eller flere proteiner ble klassifisert som d-MMR subtype
Diagnostisk test: neste generasjons sekvensering OG immunhistokjemisk undersøkelse
Først ble mismatch repair (MMR) proteiner oppdaget ved immunhistokjemi, og slettingen av ett eller flere proteiner ble klassifisert som d-MMR subtype; Deretter ble POLE-genmutasjonsdeteksjonen utført, og mutasjonen Changes ble klassifisert som POLE-mutasjon; Til slutt ble p53 påvist ved immunhistokjemi, og p53 mutant (p53 abn) og p53 villtype (p53wt) ble skilt.
Andre navn:
  • Magnetisk resonansundersøkelse
P53abn
Ekspresjonen av p53 ble påvist ved immunhistokjemi. Abnormiteten til p53-proteinekspresjon (helt negativ eller diffust sterk positiv i kjernen) eller ekspresjonslokalisering (cytoplasmatisk ekspresjon) ble bedømt som p53abn, ellers var den p53wt.
Diagnostisk test: neste generasjons sekvensering OG immunhistokjemisk undersøkelse
Først ble mismatch repair (MMR) proteiner oppdaget ved immunhistokjemi, og slettingen av ett eller flere proteiner ble klassifisert som d-MMR subtype; Deretter ble POLE-genmutasjonsdeteksjonen utført, og mutasjonen Changes ble klassifisert som POLE-mutasjon; Til slutt ble p53 påvist ved immunhistokjemi, og p53 mutant (p53 abn) og p53 villtype (p53wt) ble skilt.
Andre navn:
  • Magnetisk resonansundersøkelse
P53wt
Ekspresjonen av p53 ble påvist ved immunhistokjemi. Abnormiteten til p53-proteinekspresjon (helt negativ eller diffust sterk positiv i kjernen) eller ekspresjonslokalisering (cytoplasmatisk ekspresjon) ble bedømt som p53abn, ellers var den p53wt.
Diagnostisk test: neste generasjons sekvensering OG immunhistokjemisk undersøkelse
Først ble mismatch repair (MMR) proteiner oppdaget ved immunhistokjemi, og slettingen av ett eller flere proteiner ble klassifisert som d-MMR subtype; Deretter ble POLE-genmutasjonsdeteksjonen utført, og mutasjonen Changes ble klassifisert som POLE-mutasjon; Til slutt ble p53 påvist ved immunhistokjemi, og p53 mutant (p53 abn) og p53 villtype (p53wt) ble skilt.
Andre navn:
  • Magnetisk resonansundersøkelse

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Anvendelse av magnetisk resonansavbildningsradiomik og patomikk for å konstruere en modell for å forutsi molekylær klassifisering og prognose for endometriekreft
Tidsramme: 2026-12-21
Bildediagnostikken og patologiske trekk ved endometriekreftpasienter ble ekstrahert ved hjelp av kunstig intelligensmetode. Kombinert med klinikopatologiske risikofaktorer og overlevelsestid, ble et bildediagnostisk nomogram konstruert ved hjelp av lasso-regresjonsmetode for å forutsi molekylær klassifisering og prognose for endometriekreft. ROC-kurve ble brukt for å evaluere testeffektiviteten til modellen.
2026-12-21

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Anvendelse av magnetisk resonanstomografi for å konstruere en modell for å forutsi molekylær klassifisering og prognose av endometriekreft
Tidsramme: 2026-12-21
Bildefunksjonene til endometriekreftpasienter ble ekstrahert ved hjelp av kunstig intelligensmetode. Kombinert med klinikopatologiske risikofaktorer og overlevelsestid, ble et bildediagnostisk nomogram konstruert ved hjelp av lasso-regresjonsmetode for å forutsi molekylær klassifisering og prognose for endometriekreft. ROC-kurve ble brukt for å evaluere testeffektiviteten til modellen.
2026-12-21

Andre resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Anvendelse av patomikk for å konstruere en modell for å forutsi molekylær klassifisering og prognose for endometriekreft
Tidsramme: 2026-12-21
Patomikktrekkene til endometriekreftpasienter ble ekstrahert ved hjelp av kunstig intelligensmetode. Kombinert med klinikopatologiske risikofaktorer og overlevelsestid, ble et bildediagnostisk nomogram konstruert ved hjelp av lasso-regresjonsmetode for å forutsi molekylær klassifisering og prognose for endometriekreft. ROC-kurve ble brukt for å evaluere testeffektiviteten til modellen.
2026-12-21

Samarbeidspartnere og etterforskere

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

Sponsor

Fujian Cancer Hospital

Samarbeidspartnere

First Affiliated Hospital of Fujian Medical University
Fujian Provincial Hospital
Gutian Hospital

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

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. januar 2024

Primær fullføring (Antatt)

31. mars 2027

Studiet fullført (Antatt)

30. juni 2027

Datoer for studieregistrering

Først innsendt

6. november 2023

Først innsendt som oppfylte QC-kriteriene

6. november 2023

Først lagt ut (Faktiske)

13. november 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

15. november 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

13. november 2023

Sist bekreftet

1. november 2023

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • CHENJIAN1

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

All relevant pasientinformasjon og oppfølgingsresultater fra denne studien ble lagret av hovedetterforskeren, og det var ingen plan om å dele dem med andre etterforskere

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. .

Kliniske studier på Endometriale neoplasmer

Kliniske studier på neste generasjons sekvensering OG immunhistokjemisk undersøkelse

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Luxembourg

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

3
Abonnere