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

Utvikling av en prediktiv modell for gastrisk kreft peritoneal metastase og kakeksi ved bruk av BUB1 og radiopatomikkdata med dyp læring (BUDDLE)

27. februar 2025 oppdatert av: Qun Zhao
Denne kliniske studien tar sikte på å utvikle en prediktiv modell for gastrisk kreft (GC) peritoneal metastase og kakeksi ved å integrere BUB1 -gendata med radiologiske og patologiske data ved bruk av avanserte dype læringsteknikker. Studien vil fokusere på å bruke avbildningsgenomikk (radiomikk) og histopatologiske data for å identifisere tidlige biomarkører for peritoneal metastase og kakeksi hos GC -pasienter. Ved å utnytte dyp læringsalgoritmer, søker prosjektet å forbedre nøyaktigheten og påliteligheten av spådommer, noe som muliggjør tidligere intervensjon og personaliserte behandlingsstrategier. Det endelige målet er å styrke klinisk beslutningstaking og prognoseprediksjon hos GC-pasienter med peritoneal metastase og kakeksi.

Studieoversikt

Detaljert beskrivelse

Gastrisk kreft (GC) er en av de vanligste og aggressive malignitetene, med peritoneal metastase og kakeksi som bidrar til den dårlige prognosen betydelig. Bub1 -genet har blitt implisert i kromosomal ustabilitet og progresjon av GC, men dets rolle i peritoneal metastase og kakeksi er fortsatt uklar. Denne kliniske studien tar sikte på å utforske potensialet i å integrere BUB1 -genuttrykk med avbildning og patologiske data for å utvikle en prediktiv modell for GC -progresjon.

Studien vil samle omfattende data fra GC -pasienter, inkludert genomiske profiler (BUB1 -genuttrykk), radiologiske bilder (CT/MR -skanninger) og histopatologiske funn. Avansert radiomics -analyse vil trekke ut kvantitative funksjoner fra avbildningsdata, mens patologiske data vil bli analysert for relevante histologiske markører. Det kombinerte datasettet vil bli matet inn i en dyp læringsmodell for å identifisere mønstre assosiert med peritoneal metastase og kakeksi, med fokus på identifisering av tidlige biomarkører.

Den dype læringsmodellen vil gjennomgå iterativ trening og validering ved bruk av både retrospektiv og potensielle pasientdata. Det primære sluttpunktet for studien er å vurdere modellens prediktive nøyaktighet for peritoneal metastase og kakeksiutvikling, mens sekundære endepunkter inkluderer potensialet til å informere personaliserte behandlingsstrategier, forbedre overlevelsesraten og veilede klinisk beslutningstaking.

Denne studien vil også undersøke sammenhengen mellom BUB1 -ekspresjon og radiopatomikkfunksjonene i GC, og gi innsikt i de underliggende mekanismene som driver peritoneal metastase og kakeksi. Funnene har som mål å etablere et robust, klinisk anvendelig prediktivt verktøy som kan integreres i dagens kliniske praksis for bedre pasientresultater.

Studietype

Observasjonsmessig

Registrering (Antatt)

500

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

Sannsynlighetsprøve

Studiepopulasjon

Studiepopulasjonen vil bestå av voksne pasienter som er diagnostisert med gastrisk kreft (GC) i forskjellige stadier av sykdommen. Pasienter vil bli valgt ut fra tilstedeværelsen av eller risikofaktorer for peritoneal metastase og/eller kakeksi, som vil bli vurdert gjennom kliniske evalueringer, avbildning (CT/MR) og histopatologisk undersøkelse. Deltakerne vil bli rekruttert fra en årskull av GC -pasienter som har tilgjengelige genomiske, radiologiske og patologiske data, som er essensielle for å trene den prediktive modellen.

Studien vil fokusere på pasienter med et bredt spekter av GC -manifestasjoner, inkludert både tidlige og avanserte stadier, for å sikre at modellen er anvendelig på tvers av forskjellige sykdomsprofiler. Denne mangfoldige befolkningen vil bidra til å evaluere modellens robusthet og generaliserbarhet i å forutsi peritoneal metastase og kakeksi, med sikte på en omfattende representasjon av GC -progresjon.

Beskrivelse

Inkluderingskriterier:

Voksne i alderen 18-75 år diagnostisert med gastrisk kreft (GC) på alle trinn. Histopatologisk bekreftet GC med tilgjengelige radiologiske (CT/MR) og patologiske data (biopsiprøver).

Pasienter med eller utsatt for peritoneal metastase og/eller kakeksi, som bestemt av klinisk vurdering og avbildning.

Evne til å gi informert samtykke og overholde studieprotokoller. Vilje til å gjennomgå regelmessig oppfølgingsavbildning og klinisk evaluering i løpet av studiens varighet.

Eksklusjonskriterier:

Pasienter med andre primære kreftformer eller alvorlige komorbiditeter (f.eks. Alvorlig hjerte- og karsykdommer, ukontrollert diabetes).

Gravide eller ammende kvinner. Pasienter med kontraindikasjoner for MR- eller CT -avbildning. De med utilstrekkelige kliniske data (f.eks. Mangler radiopatologisk informasjon) for modellopplæring.

Pasienter som ikke er i stand til eller uvillige til å overholde studieprotokollen, inkludert oppfølgingsbesøk og evalueringer.

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
Tidsramme
Forutsigbar nøyaktighet av BUB1-integrert dyp læringsmodell for gastrisk kreft peritoneal metastase og kakeksi
Tidsramme: 12 måneder for modellopplæring, validering og innledende klinisk anvendelse
12 måneder for modellopplæring, validering og innledende klinisk anvendelse

Samarbeidspartnere og etterforskere

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

Sponsor

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. mars 2025

Primær fullføring (Antatt)

1. mars 2027

Studiet fullført (Antatt)

1. mars 2027

Datoer for studieregistrering

Først innsendt

27. februar 2025

Først innsendt som oppfylte QC-kriteriene

27. februar 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

27. februar 2025

Sist bekreftet

1. februar 2025

Mer informasjon

Begreper knyttet til denne studien

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