Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Poprawa wykrywania ognisk nowotworowych w raku prostaty za pomocą wieloparametrycznego MRI/MRS (GCC 1261)

16 marca 2020 zaktualizowane przez: Department of Radiation Oncology, University of Maryland, Baltimore

Poprawa wykrywania ognisk nowotworowych w raku prostaty za pomocą wieloparametrycznego MRI/MRS i uczenia maszynowego w celu lepszego zarządzania chorobą

Celem badaczy jest opracowanie nieselektywnej i nieinwazyjnej procedury identyfikacji agresywnych guzów i jednoczesnego określenia ich dokładnej lokalizacji u pacjentów z rakiem prostaty poddawanych radykalnej prostatektomii poprzez połączenie wieloparametrowego rezonansu magnetycznego i technik uczenia maszynowego. Połączenie wieloparametrycznego rezonansu magnetycznego i uczenia maszynowego (potwierdzonego histopatologicznie) może prowadzić do zwiększenia czułości i specyficzności ognisk raka prostaty oraz pomóc w izolacji guzów agresywnych od łagodnych. Ta zwiększona czułość i specyficzność może ostatecznie doprowadzić do: a) zmniejszenia liczby pacjentów poddawanych niepotrzebnemu leczeniu oraz b) zwiększenia obecnych opcji leczenia poprzez umożliwienie stosowania terapii ukierunkowanych. Badacze zrekrutują do badania 15 pacjentów z rakiem prostaty, którzy mają obecnie przejść radykalną prostatektomię. Wszyscy pacjenci otrzymają zaawansowane badanie MRI przed radykalną prostatektomią. Skany MRI będą obejmowały a) obrazy wolumetryczne o wysokiej rozdzielczości przy użyciu obrazowania T1 i T2-zależnego, b) obrazy naczyń przy użyciu obrazowania z dynamicznym kontrastem (DCE), c) obrazy mikrostruktury biofizycznej przy użyciu obrazowania ważonego dyfuzją oraz d) obrazy biochemiczne przy użyciu MR obrazowanie spektroskopowe. Po radykalnej prostatektomii patolog oceni próbki prostatektomii na podstawie standardu opieki (system stopniowania Gleasona). Zostaną wygenerowane korelacje między parametrami uzyskanymi ze skanów i ocen klinicznych.

Przegląd badań

Status

Wycofane

Warunki

Typ studiów

Obserwacyjny

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Stany Zjednoczone
    • Maryland
      • Baltimore, Maryland, Stany Zjednoczone, 21201
        • Ummc Msgcc

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Męski

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

pacjentów z rakiem prostaty, którzy zdecydowali się na radykalną prostatektomię

Opis

Kryteria przyjęcia:

  1. Wszyscy mężczyźni, którzy zdecydowali się na radykalną prostatektomię
  2. Osoby badane muszą być zdolne do wyrażenia świadomej zgody.
  3. Obiekty nie mogą mieć klaustrofobii.

Kryteria wyłączenia:

  1. Osoby z rozrusznikami serca.
  2. Osoby z metalowymi implantami ferromagnetycznymi lub pompami.
  3. Wszystkie kobiety są wykluczone z tego badania.
  4. Pacjenci z chorobą nerek o dowolnym nasileniu lub poddawani hemodializie.
  5. Osoby ze znaną alergią na środki kontrastowe na bazie gadolinu.
  6. Osoby niezdolne do leżenia na plecach przez godzinę.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Modele obserwacyjne: Tylko przypadek
  • Perspektywy czasowe: Spodziewany

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Główny cel: rozróżnienie guzów o wysokim stopniu złośliwości od guzów o niskim stopniu złośliwości i normalnej prostaty
Ramy czasowe: 16 miesięcy

Czy zaawansowane techniki obrazowania MR można wykorzystać do szkolenia technik uczenia maszynowego w celu odróżnienia guzów o wysokim stopniu złośliwości od guzów o niskim stopniu złośliwości i prawidłowej prostaty. Techniki uczenia maszynowego będą trenowane przy użyciu danych histopatologicznych jako podstawowej prawdy.

Aby to osiągnąć, uzyskamy obrazy wolumetryczne różnych atrybutów tkanek (wymienionych poniżej) i dopasujemy je do histopatologii:

  • Przepuszczalność naczyń (ktrans) przy użyciu rezonansu magnetycznego ze wzmocnionym kontrastem dynamicznym (DCE-MRI)
  • Zmiany morfologiczne uchwycone za pomocą T2 i zmiany dyfuzji za pomocą MRI ważonego dyfuzją (DW-MRI)
  • Sygnatury metaboliczne (cholina+kreatyna)/cytrynian) lub CC/C przy użyciu spektroskopii rezonansu magnetycznego (MRSI)
  • Skoreluj wyniki obrazowania in vivo z histopatologią ex vivo za pomocą rejestracji odkształcalnego obrazu
  • Opracuj wieloklasową maszynę wektorów nośnych (SVM), używając zestawu obrazów wieloparametrycznych jako danych wejściowych i użyj jej do przewidywania wyniku podobnego do wyniku Gleasona.
16 miesięcy

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Cel drugorzędny: nieinwazyjny i ilościowy test w celu dokładnego określenia stopnia i lokalizacji guza.
Ramy czasowe: 16 miesięcy
Zaawansowane techniki obrazowania MR mogą być stosowane samodzielnie w klasyfikacji stopnia zaawansowania nowotworu. Zebrane zestawy danych zostaną podzielone na podzbiory, które zostaną użyte do testowania technik uczenia maszynowego. Na przykład: 90% danych zostanie wykorzystanych do trenowania, a pozostałe 10% do testowania. Ten proces zostanie powtórzony na kombinacji różnych podzbiorów. Nasza hipoteza jest taka, że ​​metody uczenia maszynowego pomogą w analizie różnic między agresywnymi guzami, łagodnymi guzami i normalną tkanką. Stawiamy ponadto hipotezę, że ta analiza pomoże w syntezie „wyniku” opartego na obrazowaniu, który może zidentyfikować agresywny guz z łagodnych guzów i normalnej tkanki w nowych przypadkach po treningu. Wierzymy, że zastosowanie wieloparametrycznego MRI w połączeniu z zaawansowaną techniką uczenia maszynowego może poprawić czułość i swoistość wykrywania ognisk nowotworowych. Wynikiem tego będzie nieinwazyjny i ilościowy test, który dokładnie określi stopień i lokalizację guza.
16 miesięcy

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

University of Maryland, Baltimore

Śledczy

  • Główny śledczy: Warren D'Souza, PhD, UMD

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów

1 kwietnia 2015

Zakończenie podstawowe (Rzeczywisty)

1 kwietnia 2015

Ukończenie studiów (Rzeczywisty)

1 kwietnia 2015

Daty rejestracji na studia

Pierwszy przesłany

8 stycznia 2013

Pierwszy przesłany, który spełnia kryteria kontroli jakości

9 stycznia 2013

Pierwszy wysłany (Oszacować)

11 stycznia 2013

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

18 marca 2020

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 marca 2020

Ostatnia weryfikacja

1 marca 2020

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • HP-00054431

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Badania kliniczne na Rak prostaty

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Ghana

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

3
Subskrybuj