En maskinlæringsmetode for å koble multippelt myelomkompleksitet til tidlig tilbakefall av sykdom
Studieoversikt
Status
Forhold
Detaljert beskrivelse
Forbedringer i behandlingen av MM har ført til oppnåelse av svært dype kliniske responser, med betydelig forbedrede resultater og overlevelse [2]. Til tross for betydelig terapeutisk fremgang, er MM fortsatt en utfordring på grunn av den sammensatte patogenesen og intrikate nettverk av forskjellige interagerende faktorer. Som et resultat har en relativt høy andel NDMM-pasienter på tvers av de forskjellige terapeutiske strategiene en høyere risiko for sykdomsprogresjon og dårligere utfall, uavhengig av anti-MM-regimet som mottas. Disse pasientene representerer for tiden et udekket klinisk behov, med påfølgende utfordringer i håndteringen av sykdommen og identifisering av disse pasientene på forhånd er et viktig mål i MM.
For øyeblikket er risikostratifiseringsscore avhengig av et begrenset sett med kliniske og biologiske variabler, ikke alltid tilstrekkelig til å identifisere pasienter med høy risiko for tidlig sykdomsprogresjon eller tilbakefall (dvs. innen 12 måneder fra start av førstelinjebehandling). Nylig har AI-verktøy blitt utforsket for å forbedre nøyaktigheten av risikoprediksjon, og viser at høyrisikosykdommer kan gjenkjennes på forhånd, basert på tumor- og immunbiomarkører [3-4].
Ved å bruke Machine Learning (ML)-verktøy for databehandling, vil kliniske, genomiske og bildedata fra MM-pasienter bli integrert og brukt i modeller som tar sikte på å forbedre nøyaktigheten av MM-risikoprediksjon. På denne måten vil ML-modeller samle all tumor- og mikromiljørelatert informasjon innhentet ved høykapasitetsteknologier og omics-tilnærminger for å identifisere og beskrive klynger av MM-pasienter som best korrelerer med oppnåelse av tidlig progresjon.
Totalt sett vil denne studien identifisere ny kunnskap for å støtte klinisk forskning og beslutningstaking i MM: presis forhåndsstratifisering av pasienter, basert på hele landskapet av MM-relaterte funksjoner, kan forbedre forståelsen av MM individuell risiko. Resultatene fra denne studien vil ha en innvirkning på muligheten for å få tilgang til personlig behandling, med forutsigbar total innvirkning på effektiv behandling av MM-pasienter og besparelser for det nasjonale helsesystemet.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Elena Zamagni, MD, PhD
- Telefonnummer: +39 051 214 3680
- E-post: e.zamagni@unibo.it
Studiesteder
-
-
-
Bologna, Italia, 40138
- Rekruttering
- IRCCS Azienda Ospedaliero-Universitaria di Bologna
-
Ta kontakt med:
- Elena Zamagni, MD, PhD
- Telefonnummer: +39 051 214 3680
- E-post: e.zamagni@unibo.it
-
Ta kontakt med:
- Simona Barbato, Ph.D.
- Telefonnummer: +39 051 214 3827
- E-post: simona.barbato3@unibo.it
-
Hovedetterforsker:
- Elena Zamagni
-
Underetterforsker:
- Carolina Terragna
-
Cagliari, Italia, 09134
- Har ikke rekruttert ennå
- ARNAS "G. Brotzu" di Cagliari
-
Ta kontakt med:
- Daniele Derudas
- Telefonnummer: +39 070 52965520
- E-post: daniele.derudas@aob.it
-
Napoli, Italia, 80131
- Har ikke rekruttert ennå
- Azienda Ospedaliera Universitaria Federico II
-
Ta kontakt med:
- Barbara Izzo
- Telefonnummer: +39 081 3737869
- E-post: barbara.izzo@unina.it
-
-
Forlì-Cesena
-
Meldola, Forlì-Cesena, Italia, 47014
- Har ikke rekruttert ennå
- Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori" - IRST IRCCS
-
Ta kontakt med:
- Martina Ghetti
- Telefonnummer: +39 0543 739100
- E-post: martina.ghetti@irst.emr.it
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Alder ≥ 18 år
- Signert Informert samtykkeskjema for studiedeltakelse og behandling av personopplysninger
- Diagnose av aktivt myelomatose
Ekskluderingskriterier:
- Ingen
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Samlet svarfrekvens
Tidsramme: 12 måneder etter oppstart av anti-MM-behandling
|
Samlet svarfrekvens
|
12 måneder etter oppstart av anti-MM-behandling
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Elena Zamagni, MD, PhD, IRCCS Azienda Ospedaliero-Universitaria di Bologna
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
- Vaskulære sykdommer
- Kardiovaskulære sykdommer
- Patologiske prosesser
- Neoplasmer
- Sykdomsattributter
- Sykdommer i immunsystemet
- Neoplasmer etter histologisk type
- Hematologiske sykdommer
- Lymfoproliferative lidelser
- Immunproliferative lidelser
- Hemostatiske lidelser
- Paraproteinemier
- Blodproteinforstyrrelser
- Hemoragiske lidelser
- Tilbakefall
- Multippelt myelom
- Neoplasmer, plasmacelle
Andre studie-ID-numre
- AIMMer
- PNRR-TR1-2023-12378246 (Annet stipend/finansieringsnummer: Italian Ministry of Health)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .