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

Model Fuzji Wielomodalnej i Głębokie Uczenie do Przewidywania Odpowiedzi na Leczenie w NKTCL

26 kwietnia 2026 zaktualizowane przez: Qingqing Cai, Sun Yat-sen University

Model fuzji wielomodalnej i głębokie uczenie maszynowe w przewidywaniu odpowiedzi na leczenie chłoniaka komórek NK/T

To jest wieloośrodkowe prospektywne badanie mające na celu opracowanie i walidację multimodalnego modelu opartego na głębokim uczeniu do przewidywania odpowiedzi na leczenie u pacjentów z pozawęzłowym chłoniakiem z komórek NK/T (NKTCL), otrzymujących pierwszoliniową terapię opartą na asparaginazie.

Przegląd badań

Status

Jeszcze nie rekrutacja

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

100

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Populacja badania obejmuje dorosłych pacjentów z patologicznie potwierdzonym pozawęzłowym chłoniakiem z komórek NK/T (NKTCL) otrzymujących pierwszoliniową chemioterapię lub chemioradioterapię opartą na asparaginazie, z dostępnymi obrazami MRI przed leczeniem lub patologicznymi obrazami całych preparatów barwionych H&E. Pacjenci będą prospektywnie monitorowani pod kątem odpowiedzi na leczenie i wyników przeżycia.

Opis

Kryteria włączenia:

  • 1. Wiek ≥ 18 lat.
  • 2. Patologicznie potwierdzony pozawęzłowy chłoniak z komórek NK/T (NKTCL) według klasyfikacji Światowej Organizacji Zdrowia (WHO).
  • 3. Pacjenci, u których planuje się zastosowanie chemioterapii lub chemioradioterapii pierwszego rzutu opartej na asparaginazie.
  • 4. Pacjenci, którzy mają dostępne do analizy albo kontrastowe badanie MRI nosogardzieli wykonane w ramach rutynowej opieki klinicznej, albo przedterapeutyczne obrazy całych preparatów (WSI) tkanki nowotworowej z barwionych hematoksyliną i eozyną (H&E) skrawków.
  • 5. Zdolność do zrozumienia badania i wyrażenia pisemnej świadomej zgody (ICF).

Kryteria wyłączenia:

  • 1. Wywiad innych nowotworów złośliwych.
  • 2. Pacjenci z zaburzeniami psychicznymi lub niezdolni do wyrażenia świadomej zgody.

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

Kohorty i interwencje

Grupa / Kohorta
Kohorta leczona asparaginazą w pierwszej linii
Uczestnicy tej kohorty to pacjenci z pozawęzłowym chłoniakiem z komórek NK/T (NKTCL), u których planuje się zastosowanie standardowej chemioterapii pierwszoliniowej opartej na asparaginazie, zgodnie z praktyką instytucjonalną. Zostaną zebrane dane kliniczne przed leczeniem, kontrastowy rezonans magnetyczny (MRI) nosogardła i szyi oraz cyfrowe obrazy patologiczne z wybarwionych hematoksyliną i eozyną (H&E) przekrojów guza. Pacjenci będą obserwowani pod kątem przeżycia wolnego od progresji i całkowitego przeżycia zgodnie z rutynowym harmonogramem obserwacji.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność predykcyjna odpowiedzi na leczenie pierwszego rzutu (CR vs non-CR) według kryteriów Lugano 2014
Ramy czasowe: Od punktu wyjściowego do odpowiedzi na leczenie i ocen kontrolnych, do 3 lat.
Głównym celem jest ocena zdolności predykcyjnej multimodalnego modelu głębokiego uczenia w zakresie odpowiedzi na leczenie pierwszoliniowe u pacjentów z pozawęzłowym chłoniakiem z komórek NK/T (NKTCL). Odpowiedź na leczenie oceniana jest zgodnie z kryteriami Lugano 2014. Wydajność modelu będzie oceniana za pomocą analizy charakterystyki pracy odbiornika (ROC) i mierzona poprzez pole pod krzywą (AUC), dokładność, czułość, swoistość, wartość predykcyjną dodatnią i wartość predykcyjną ujemną poprzez porównanie prognoz modelu z zaobserwowaną odpowiedzią kliniczną.
Od punktu wyjściowego do odpowiedzi na leczenie i ocen kontrolnych, do 3 lat.

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

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 (Szacowany)

15 sierpnia 2026

Zakończenie podstawowe (Szacowany)

31 grudnia 2027

Ukończenie studiów (Szacowany)

31 grudnia 2027

Daty rejestracji na studia

Pierwszy przesłany

6 lutego 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

6 lutego 2026

Pierwszy wysłany (Rzeczywisty)

13 lutego 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

28 kwietnia 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

26 kwietnia 2026

Ostatnia weryfikacja

1 kwietnia 2026

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • B2025-444

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 Naturalny zabójca/chłoniak z komórek T

Subskrybuj