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

Syntetisk generering av hematologiske data over Federated Computing Frameworks: SCD Brukssak (SYNTHEMA (SCD))

Syntetisk generering av hematologiske data over Federated Computing Frameworks (Synthema): SCD -brukssak

Hematologiske sykdommer (HDS) er en stor gruppe av lidelser som følge av kvantitative eller kvalitative avvik i blodceller, lymfoide organer og koagulasjonsfaktorer. Til tross for at de fleste av dem (~ 74%) er sjeldne, er det totale antallet HD -berørte pasienter over hele verden viktig, å legge en betydelig økonomisk belastning for helsevesenet og samfunnene. Til tross for eksistensen av flere samarbeidende forskningsgrupper på nasjonalt og EU -nivå, er nåværende kliniske tilnærminger ofte ineffektive, spesielt for sjeldneste forhold, på grunn av det relativt lave antallet pasienter per sykdom og det høye antallet ikke -koblede kliniske enheter.

Synthema tar sikte på å etablere et grenseoverskridende datahub der man skal utvikle og validere innovative AI-baserte teknikker for klinisk dataanonymisering og syntetisk dataperering (SDG), for å takle knapphet og fragmentering av data og utvide grunnlaget for GDPR-kompatibel forskning i Sjeldne hematologiske lidelser (RHD). Prosjektet vil fokusere på en representativ RHD-brukssak: sigdcellesykdom (SCD).

Studieoversikt

Detaljert beskrivelse

Synthema vil utvikle en Federated Learning (FL) infrastruktur, utstyrt med Secure Flerparty Computation (SMPC) og Differential Privacy (DF) -protokoller, koble kliniske sentre som bringer standardiserte, interoperable multimodale datasett og datasentre fra akademia og SMB. Dette rammeverket vil bli brukt til å trene de utviklede algoritmene og utføre SMPC-basert global modellaggregasjon på en personvernbevarende måte. De resulterende dataene vil bli validert for deres kliniske verdi, statistiske nytteverdier og gjenværende personvernrisiko. Prosjektet vil utvikle juridiske og etiske rammer for å garantere personvernby-design i innsamling og behandling av helserelaterte personopplysninger og oppnå en etisk messig algoritme samskaping. Prosjektresultater, inkludert rørledninger, standarder og data, vil bli gjort åpent tilgjengelige for interessenter innen helsevesenet, akademia og bransjefelt, og bidra til eksisterende sjeldne sykdomsregistre

Studietype

Observasjonsmessig

Registrering (Antatt)

1500

Kontakter og plasseringer

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

Studiesteder

      • Padova, Italia
        • Azienda Ospedale Universita Padova
      • Utrecht, Nederland
        • UMC Utrecht
      • Barcelona, Spania, 08035
        • Vall Hebron Institut de Recerca

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

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Syntema vil retrospektivt samle eksisterende RHD -kliniske, omics og avbildningsdatasett fra alle helsedatasentrene i sitt konsortium (VHIR, UMCU, GLSMED LH, UNIPD) for Target SCD klinisk brukstilfeller.

Beskrivelse

Inkluderingskriterier:

  • SCD -pasienter (hvilken som helst genotype).
  • eldre enn 1 år gammel

Eksklusjonskriterier:

  • yngre enn 1 år gammel
  • Legg ut HSCT -pasienter

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
Generere syntetiske multimodale (kliniske, omics and imaging) data for sjeldne hematologiske sykdommer med et validert klinisk resultat
Tidsramme: November 2026
For sigdcellesykdom vil valideringsscenarier teste påliteligheten av syntetiske data når det gjelder genomiske varianter/sykdomsfenotypesammenheng og MR-funksjonsbasert prediksjon av hjernevaskulære hendelser (SCD).
November 2026

Samarbeidspartnere og etterforskere

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

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.

Hjelpsomme linker

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 2022

Primær fullføring (Antatt)

30. november 2026

Studiet fullført (Antatt)

30. november 2026

Datoer for studieregistrering

Først innsendt

21. januar 2025

Først innsendt som oppfylte QC-kriteriene

24. januar 2025

Først lagt ut (Faktiske)

25. mars 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. mars 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

11. mars 2025

Sist bekreftet

1. mars 2025

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

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