- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT05782400
Abordagem Multiômica no Carcinoma Metastático de Células Renais Claras
Abordagem multiômica para estratificação de pacientes e identificação de novos alvos em carcinoma metastático de células renais claras
A escolha da melhor estratégia em pacientes com carcinoma de células renais de células claras metastático virgens de tratamento (mccRCC) está se tornando um problema, uma vez que não há biomarcadores disponíveis para orientar a estratégia de alocação do tratamento. A elucidação de fatores preditivos para desenvolver estratégias personalizadas de tratamento é uma necessidade clínica urgente não atendida. Recentemente, tem havido um grande interesse em métodos de biópsia líquida não invasivos por sua capacidade de detectar e caracterizar DNA livre de células circulantes (cfDNA), RNAs associados a vesículas extracelulares e células tumorais circulantes e permitir a avaliação longitudinal da evolução do tumor. Um campo adicional de intensa pesquisa também é a radiômica como uma nova abordagem para desenvolver ferramentas preditivas, correlacionando características de imagem com características do tumor, incluindo histologia, grau do tumor, padrões genéticos e fenótipos moleculares, bem como resultados clínicos em pacientes com neoplasias renais.
O uso de abordagens computacionais para integrar informações, obtidas da análise genômica e transcriptômica de tecidos neoplásicos e de cfDNA) ou RNA associado a microvesículas no sangue e de radiômica, pode ser explorado para definir uma estratégia de alocação ideal para pacientes com mccRCC submetidos a primeira linha terapia e identificar novos alvos no mccRCC.
Os objetivos do estudo são: identificar subtipos moleculares, assinaturas ou biomarcadores em mccRCC associados a diferentes desfechos clínicos por meio da aplicação de análise bioinformática; extrair características descritivas em mccRCC a partir de dados de imagens radiológicas; integrar características ômicas e clínico-patológicas com características radiômicas extraídas do tumor e do ambiente tumoral para informar sobre características biológicas relevantes para o resultado da terapia.
Este estudo prospectivo multicêntrico avaliará a genômica e a radiômica em pacientes com ccCRC avançado virgens de tratamento. 100 pacientes elegíveis serão identificados após a triagem, candidatos a receber tratamento de primeira linha como escolha do investigador de acordo com a prática clínica. Amostras de tecido e plasma e exames de TC serão coletados em intervalos diferentes para fornecer um perfil molecular abrangente e extrapolação de características radiômicas, respectivamente. Redes neurais artificiais serão usadas para construir um perfil genômico-radiômico de pacientes para correlacionar com a resposta ao tratamento. Esse tamanho de amostra permitirá uma análise exploratória do desempenho prognóstico e preditivo do classificador multiômico, a ser posteriormente validado em uma coorte de expansão maior de pacientes.
Visão geral do estudo
Status
Intervenção / Tratamento
Descrição detalhada
IMPACTO Nos últimos dez anos, o tratamento sistêmico do carcinoma de células renais metastático foi revolucionado com a introdução de pelo menos dez drogas ativas. Com o advento de novas combinações de imunobaseados e inibidores de tirosina quinase (TKIs), a escolha da melhor estratégia em pacientes com carcinoma de células renais de células claras (mccRCC) metastático virgens de tratamento (pts) está se tornando um problema, uma vez que nenhum biomarcadores estão disponíveis para orientar a estratégia de alocação do tratamento. Em ensaios clínicos recentes, terapias de combinação incluindo nivolumab mais ipilimumab, pembrolizumab mais axitinib, atezolizumab mais bevacizumab, avelumab mais axitinib, pembrolizumab mais lenvatinib e nivolumab mais cabozantinib exibiram benefícios significativos em termos de sobrevivência global (OS) e/ou sobrevivência livre de progressão ( PFS) para mRCC em comparação com sunitinibe como tratamento padrão de primeira linha para mRCC. No entanto, há uma clara necessidade de biomarcadores preditivos clínicos para orientar as decisões de tratamento ideais. Por meio da pesquisa acima, os investigadores estão confiantes em fornecer uma prova de conceito que combina as informações da genômica e da radiômica usando abordagens computacionais, como aprendizado de máquina, e fornecerá uma oportunidade para a estratificação de um paciente impulsionada molecularmente.
RACIONAL E VIABILIDADE
BIOMARCADORES Os modelos de estratificação de risco baseados no padrão de expressão gênica (RNA mensageiro e não codificante longo) em ccRCC provaram ter fortes valores prognósticos. Portanto, há um interesse na identificação e desenvolvimento de biomarcadores preditivos de tratamento para permitir que a oncologia de precisão aumente a resposta aos medicamentos. Múltiplos candidatos a biomarcadores preditivos de plasma, tumor e tecidos do hospedeiro foram explorados em pacientes com carcinoma de células renais metastático que estão recebendo terapias sistêmicas, mas, até o momento, nenhum entrou na prática clínica e todos requerem validação prospectiva em ensaios clínicos.
Na era dos inibidores de VEGF, os pesquisadores contaram com o modelo IMDC (International Metastatic RCC Database Consortium), considerando performance status de Karnofsky <80, tempo para início da terapia <1 ano, hemoglobina < nível inferior ao normal, cálcio sérico, contagem de neutrófilos, e contagem de plaquetas > limite superior do normal. O estudo CheckMate 214 mostrou que OS e ORR foram significativamente maiores com nivolumab mais ipilimumab do que com sunitinib entre pacientes de risco intermediário e baixo. O acompanhamento prolongado do estudo KEYNOTE-426 demonstrou que o benefício em OS e PFS é consistente nessa classe de risco de pacientes também com a terapia de combinação IO/TKI. A pontuação do IMDC é confirmada como prognóstica em todos os estudos de combos.
O PD-L1 também demonstrou ser um marcador prognóstico para mau prognóstico no CCR, independentemente do tipo de tratamento utilizado. Mais recentemente, a expressão de PD-L1 também foi avaliada por seu papel preditivo que é apenas parcialmente confirmado na população CheckMate-214 que recebeu combinação IO-IO e considerada um marcador ruim para terapias direcionadas. As assinaturas dos genes ImMotion 150 e 151 evidenciaram que duas assinaturas diferentes (angiogênese versus assinatura imune) em pacientes com CCR poderiam prever a resposta ao tratamento combinado.
A metabolômica também foi avaliada como biomarcadores potenciais para RCC, fornecendo novos insights para a compreensão do comportamento clínico do CCR e para o desenvolvimento de novas estratégias terapêuticas. Tanto o tecido tumoral quanto o sangue são fontes interessantes para o estudo de potenciais biomarcadores. Amostras de plasma em particular foram analisadas para entender melhor o papel dos componentes das vias pró-angiogênicas e de proliferação celular. Outro tópico é o estudo de citocinas, células endoteliais circulantes e mecanismos de controle da expressão gênica. Além disso, variações genéticas germinativas em genes importantes relacionados ao mecanismo de ação e metabolismo de drogas têm sido investigadas, bem como fatores implicados na regulação da expressão gênica por mecanismos epigenéticos ou por regulação pós-transcricional.
RADIÓMICA A tomografia computadorizada (TC) é amplamente disponível, utilizada rotineiramente no cuidado de pacientes com tumores metastáticos tratados com terapia antiangiogênica e fornece dados digitais quantitativos. Muitos estudos usaram métodos baseados em imagens não invasivas de TC para avaliar o grau patológico do tumor renal antes da cirurgia. Várias características radiológicas, como o tamanho do tumor e o realce do padrão, demonstraram estar correlacionadas com o grau do tumor. No entanto, é difícil prever o grau patológico do tumor renal apenas com informações obtidas de características radiológicas tradicionais. Por outro lado, a análise radiômica envolve a extração automática de dados não reconhecíveis ao olho humano, resultando em recursos de imagem altamente detalhados em relação à estrutura, forma e intensidade da imagem do tumor. A radiômica pode fornecer uma nova abordagem para desenvolver ferramentas preditivas, correlacionando características de imagem às características do tumor, incluindo histologia, grau do tumor, padrões genéticos e fenótipos moleculares, bem como resultados clínicos. Extraindo dados de imagens, o objetivo é fornecer informações além do que pode ser obtido apenas com a interpretação de imagens humanas.
Na prática clínica, a predição da agressividade do CCR por meio de achados de imagem permanece um desafio. Um estudo retrospectivo de Shu et al. demonstraram que os recursos radiômicos podem ser usados como biomarcadores para a avaliação pré-operatória dos graus de Fuhrman do ccRCC. No cenário pós-tratamento, a radiômica pode ajudar a prever uma resposta à terapia sistêmica, inclusive ao tratamento antiangiogênico, que pode não ser adequadamente avaliada com os critérios tradicionais baseados em tamanho.
Smith e seus colegas usaram um software de pós-processamento personalizado e um algoritmo para desenvolver um novo sistema para quantificar as mudanças na quantidade de tumor vascularizado dentro de limiares de atenuação específicos, denominados carga tumoral vascular. Esse biomarcador semiautomático, além de outras métricas tumorais, como comprimento, área e atenuação média, foi usado para prever a resposta à terapia antiangiogênica com sunitinibe. As alterações na métrica da carga tumoral vascular na imagem pós-terapia inicial após o início do sunitinibe mostraram uma melhor separação da sobrevida livre de progressão entre não respondedores e respondedores em comparação com outras alterações de critérios de resposta comumente usados nas métricas do tumor, incluindo comprimento, área, média atenuação, RECIST, CHOI, CHOI modificado, MASSA e 10% soma de diâmetro longo. A extensão da análise radiômica por meio de radiogenômica, radiometabolômica e correlação com outros conjuntos de dados epidemiológicos, clínicos e baseados em tecidos tem o potencial de melhorar o gerenciamento de pacientes na era da medicina personalizada. Compreender o que essas tecnologias podem oferecer permitirá que os radiologistas desempenhem um papel maior no cuidado de pacientes com CCR.
A TC dinâmica com contraste é uma ferramenta capaz de quantificar o realce tumoral e sua resposta a terapias antiangiogênicas. Han et al encontraram uma correlação entre o realce renal do tumor na linha de base e resposta e PFS após o tratamento com sunitinib ou sorafenib. Em contraste, outros estudos demonstraram que, embora os parâmetros de perfusão na linha de base fossem maiores em pacientes com tempos de sobrevida mais longos, eles não foram significativamente preditivos do resultado, exceto quando uma análise de corte foi estabelecida. Outros métodos baseados em TC para avaliar a resposta do tumor à terapia antiangiogênica e prever o resultado clínico estão sendo avaliados posteriormente. Entre eles, as características radiômicas da TC, como heterogeneidade, entropia e uniformidade de textura, são parâmetros adicionais que se mostram promissores para avaliar a resposta antiangiogênica do carcinoma de células renais metastático. A correlação desses dados de imagem com genômica (ou seja, radiogenômica), metabolômica (ou seja, radiometabolômica) e além, oferece uma oportunidade para gerar biomarcadores objetivos e quantitativos da biologia tumoral que podem ser usados para prever o prognóstico do paciente e a probabilidade de resposta à terapia, superar alguns dos desafios associados à heterogeneidade da doença.
INTELIGÊNCIA ARTIFICIAL Os sistemas de inteligência artificial, em particular aqueles baseados em Machine Learning e Deep Learning, são capazes de identificar autonomamente padrões salientes e relações complexas entre dados apenas olhando para populações de amostra. Sua capacidade de processar dados heterogêneos, tanto para fins de classificação quanto de previsão, pode fornecer uma contribuição válida para melhor estratificar os pacientes com CCR. Recentemente, alguns trabalhos tentaram usar Machine and Deep Learning para a diferenciação entre pequenas massas renais benignas e malignas, com base na análise textural de tomografias computadorizadas, para a previsão do grau nuclear de Fuhrman e assinaturas moleculares baseadas na expressão gênica.
No geral, a estratificação de pacientes com CCR ainda permanece uma tarefa desafiadora, especialmente quando se considera a heterogeneidade molecular dos tumores renais.
A capacidade de combinar as informações de genômica e radiômica usando abordagens computacionais baseadas em aprendizado de máquina oferece uma oportunidade para reclassificar os pacientes em subgrupos que podem orientar melhor as estratégias de tratamento. As técnicas supervisionadas e não supervisionadas podem ser usadas para identificar uma pontuação de assinatura de biomarcador, bem como para prever a resposta/resistência a terapias.
DADOS PRELIMINARES Os investigadores têm dados biológicos preliminares em amostras de sangue de 32 pacientes com mRCC obtidos na linha de base do tratamento. A maioria dos pacientes recebeu como primeira linha a combinação de nivolumab e ipilimumab, 9 pacientes receberam sunitinib, 5 receberam pazopanib e 6 pacientes receberam cabozantinib. A análise molecular foi realizada usando o NGS OncoMine Solid Tumor Panel (Thermo Fisher). Vinte e cinco pacientes (78,1%) eram portadores de alteração molecular em um ou mais genes, incluindo: TP53, mTOR, PIK3CA, BRAF, EGFR, RET, GNAS, SF3B1, PDGFRA. A frequência alélica relatada variou entre 3% e 12%. A análise preliminar mostra que pacientes com mutações múltiplas têm uma melhor resposta (PR+SD vs PD) à imunoterapia.
DESENHO EXPERIMENTAL Este é um estudo translacional prospectivo multicêntrico que avalia a genômica e a radiômica em pacientes com ccRCC avançado virgens de tratamento, candidatos a receber terapia sistêmica de primeira linha. Nove centros na Itália, incluindo: Istituto Nazionale dei Tumori (INT) de Milão, Instituto Europeu de Oncologia (IEO) de Milão, Istituto Oncologico Veneto (IOV), Policlinico San Martino de Genova, Istituto Nazionale dei Tumori de Napoli, Hospital Universitário de Parma, Humanitas Research Hospital de Milão, Centro Oncológico de Aviano e Fondazione Policlinico Universitario Agostino Gemelli de Roma estarão envolvidos no recrutamento e tratamento de pacientes.
Tipo de estudo
Inscrição (Antecipado)
Contactos e Locais
Contato de estudo
- Nome: Giuseppe Procopio, MD
- Número de telefone: 00390223903813
- E-mail: giuseppe.procopio@istitutotumori.mi.it
Estude backup de contato
- Nome: Marco Stellato, MD
- Número de telefone: 00390223903813
- E-mail: marco.stellato@istitutotumori.mi.it
Locais de estudo
-
-
Mi
-
Milan, Mi, Itália, 20156
- Recrutamento
- Istituto Tumori
-
Contato:
- Giuseppe Dr Procopio, MD
- Número de telefone: +39223904450
- E-mail: Giuseppe.Procopio@istitutotumori.mi.it
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Descrição
CRITÉRIO DE INCLUSÃO:
- Consentimento informado por escrito assinado
- Indivíduos do sexo masculino ou feminino com idade ≥18 anos
- CCR avançado/metastático confirmado histologicamente com subtipo predominantemente de células claras
- Nefrectomia prévia é permitida
- Disponibilidade de amostra de tecido tumoral para análise de biomarcadores
- CCR avançado (não passível de cirurgia curativa ou radioterapia) ou metastático (AJCC Estágio IV), candidato a receber tratamento sistêmico de primeira linha com monoterapia TKI ou IO+TKI ou IO+IO
- Nenhuma terapia sistêmica anterior para CCR com a seguinte exceção: terapia adjuvante anterior para CCR completamente ressecável (concluída pelo menos 6 meses antes da entrada no estudo)
- Todos os riscos IMDC (bom, intermediário, ruim)
- Varredura de TC realizada com e sem meio de contraste, no início do estudo (de acordo com as diretrizes do protocolo, conforme relatado abaixo na Tabela 1)
- Pelo menos uma lesão mensurável conforme definido pelos Critérios de Avaliação de Resposta em Tumores Sólidos (RECIST) versão 1.1
- Status de desempenho do Eastern Cooperative Oncology Group 0 ou 1
- Capaz de entender e cumprir os requisitos do protocolo.
CRITÉRIO DE EXCLUSÃO:
- Qualquer tratamento sistêmico anterior para RCC nas configurações avançadas/metastáticas
- Tratamento prévio com um anticorpo anti-PD-1, anti-PD-L1, anti-PD-L2, anti-CD137 ou anti-CTLA-4, ou qualquer outro anticorpo ou medicamento direcionado especificamente à coestimulação ou checkpoint de células T caminhos
- Exposição prévia a inibidores de tirosina quinase nas configurações avançadas/metastáticas
- Distúrbio convulsivo ativo ou evidência de metástases cerebrais, compressão da medula espinhal ou meningite carcinomatosa
- Diagnóstico de qualquer malignidade não RCC ocorrendo dentro de 2 anos antes da data de início do tratamento, exceto para câncer de pele basocelular ou escamoso adequadamente tratado, carcinoma in situ da mama ou do colo do útero ou câncer de próstata de baixo grau ( ≤pT2, N0; Gleason 6) sem planos de intervenção terapêutica
- Radioterapia para metástase óssea dentro de 2 semanas, qualquer outra radioterapia externa dentro de 4 semanas antes do início do tratamento. Indivíduos com complicações clinicamente relevantes em curso de radioterapia anterior não são elegíveis.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Análise de sangue e tecidos
Prazo: 36 Meses
|
Investigação do papel preditivo de miRNAs circulantes e alterações genéticas em pacientes que respondem aos tratamentos de primeira linha versus aqueles que não respondem antes do tratamento, após 1 mês (4 semanas), após 3 meses (12 semanas) e no momento da progressão da doença.
Amostras de tecido e sangue serão estudadas com a plataforma Illumina NextSeq 500 e analisadas com o software online GeneGlobe.
Métodos que combinam diferentes algoritmos de agrupamento e métricas de variabilidade genética serão usados para identificar subtipos moleculares robustos de mccRCC a partir de dados de expressão e para investigar sua associação com resultados clínicos.
|
36 Meses
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Análise radiômica
Prazo: 36 Meses
|
Caracterização de alterações nos dados de imagem radiológica em mRCC em dados de imagem radiológica em mRCC através da segmentação tomográfica.
Através da análise de software de código aberto, pretendemos extrapolar a partir dos padrões de imagem de características quantitativas (features) não visíveis a olho nu, comparar diferentes imagens da mesma doença com diagnóstico conhecido (ground true) e desenvolver um modelo computacional preditivo de doença.
A tomografia computadorizada para Radiomics será realizada na linha de base e a cada três meses.
|
36 Meses
|
Outras medidas de resultado
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
Análise computacional de dados mutacionais, transcriptômicos e radiômicos
Prazo: 48 meses
|
Análise radiogenômica para identificar uma radiômica e uma pontuação molecular.
Uma abordagem baseada em rede neural artificial para criar uma assinatura genômica e radiômica combinada.
Integração de dados de alta dimensão obtidos com dados clínicos.
Para esta tarefa, vamos incorporar conjuntos de dados NGS e Radiomics para desenvolver um modelo de classificação ad hoc baseado em IA capaz de mesclar e avaliar com eficiência o conjunto de informações disponíveis.
A assinatura biotecnológica alcançada do mccRCC e sua evolução ao longo do tempo também serão avaliadas para sugerir uma ferramenta preditiva facilmente interpretável (nomograma) do resultado clínico.
|
48 meses
|
Colaboradores e Investigadores
Investigadores
- Investigador principal: Giuseppe Procopio, MD, Fondazione IRCCS Istituto Nazionale dei Tumori di Milano
Publicações e links úteis
Publicações Gerais
- Motzer RJ, Tannir NM, McDermott DF, Aren Frontera O, Melichar B, Choueiri TK, Plimack ER, Barthelemy P, Porta C, George S, Powles T, Donskov F, Neiman V, Kollmannsberger CK, Salman P, Gurney H, Hawkins R, Ravaud A, Grimm MO, Bracarda S, Barrios CH, Tomita Y, Castellano D, Rini BI, Chen AC, Mekan S, McHenry MB, Wind-Rotolo M, Doan J, Sharma P, Hammers HJ, Escudier B; CheckMate 214 Investigators. Nivolumab plus Ipilimumab versus Sunitinib in Advanced Renal-Cell Carcinoma. N Engl J Med. 2018 Apr 5;378(14):1277-1290. doi: 10.1056/NEJMoa1712126. Epub 2018 Mar 21.
- Rini BI, Powles T, Atkins MB, Escudier B, McDermott DF, Suarez C, Bracarda S, Stadler WM, Donskov F, Lee JL, Hawkins R, Ravaud A, Alekseev B, Staehler M, Uemura M, De Giorgi U, Mellado B, Porta C, Melichar B, Gurney H, Bedke J, Choueiri TK, Parnis F, Khaznadar T, Thobhani A, Li S, Piault-Louis E, Frantz G, Huseni M, Schiff C, Green MC, Motzer RJ; IMmotion151 Study Group. Atezolizumab plus bevacizumab versus sunitinib in patients with previously untreated metastatic renal cell carcinoma (IMmotion151): a multicentre, open-label, phase 3, randomised controlled trial. Lancet. 2019 Jun 15;393(10189):2404-2415. doi: 10.1016/S0140-6736(19)30723-8. Epub 2019 May 9.
- Havel JJ, Chowell D, Chan TA. The evolving landscape of biomarkers for checkpoint inhibitor immunotherapy. Nat Rev Cancer. 2019 Mar;19(3):133-150. doi: 10.1038/s41568-019-0116-x.
- Rini BI, Plimack ER, Stus V, Gafanov R, Hawkins R, Nosov D, Pouliot F, Alekseev B, Soulieres D, Melichar B, Vynnychenko I, Kryzhanivska A, Bondarenko I, Azevedo SJ, Borchiellini D, Szczylik C, Markus M, McDermott RS, Bedke J, Tartas S, Chang YH, Tamada S, Shou Q, Perini RF, Chen M, Atkins MB, Powles T; KEYNOTE-426 Investigators. Pembrolizumab plus Axitinib versus Sunitinib for Advanced Renal-Cell Carcinoma. N Engl J Med. 2019 Mar 21;380(12):1116-1127. doi: 10.1056/NEJMoa1816714. Epub 2019 Feb 16.
- McDermott DF, Huseni MA, Atkins MB, Motzer RJ, Rini BI, Escudier B, Fong L, Joseph RW, Pal SK, Reeves JA, Sznol M, Hainsworth J, Rathmell WK, Stadler WM, Hutson T, Gore ME, Ravaud A, Bracarda S, Suarez C, Danielli R, Gruenwald V, Choueiri TK, Nickles D, Jhunjhunwala S, Piault-Louis E, Thobhani A, Qiu J, Chen DS, Hegde PS, Schiff C, Fine GD, Powles T. Clinical activity and molecular correlates of response to atezolizumab alone or in combination with bevacizumab versus sunitinib in renal cell carcinoma. Nat Med. 2018 Jun;24(6):749-757. doi: 10.1038/s41591-018-0053-3. Epub 2018 Jun 4. Erratum In: Nat Med. 2018 Dec;24(12):1941.
- Suarez-Ibarrola R, Hein S, Reis G, Gratzke C, Miernik A. Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer. World J Urol. 2020 Oct;38(10):2329-2347. doi: 10.1007/s00345-019-03000-5. Epub 2019 Nov 5.
- Brooks SA, Brannon AR, Parker JS, Fisher JC, Sen O, Kattan MW, Hakimi AA, Hsieh JJ, Choueiri TK, Tamboli P, Maranchie JK, Hinds P, Miller CR, Nielsen ME, Rathmell WK. ClearCode34: A prognostic risk predictor for localized clear cell renal cell carcinoma. Eur Urol. 2014 Jul;66(1):77-84. doi: 10.1016/j.eururo.2014.02.035. Epub 2014 Feb 25.
- Choueiri TK, Motzer RJ. Systemic Therapy for Metastatic Renal-Cell Carcinoma. N Engl J Med. 2017 Jan 26;376(4):354-366. doi: 10.1056/NEJMra1601333. No abstract available.
- Motzer RJ, Penkov K, Haanen J, Rini B, Albiges L, Campbell MT, Venugopal B, Kollmannsberger C, Negrier S, Uemura M, Lee JL, Vasiliev A, Miller WH Jr, Gurney H, Schmidinger M, Larkin J, Atkins MB, Bedke J, Alekseev B, Wang J, Mariani M, Robbins PB, Chudnovsky A, Fowst C, Hariharan S, Huang B, di Pietro A, Choueiri TK. Avelumab plus Axitinib versus Sunitinib for Advanced Renal-Cell Carcinoma. N Engl J Med. 2019 Mar 21;380(12):1103-1115. doi: 10.1056/NEJMoa1816047. Epub 2019 Feb 16.
- Powles T, Plimack ER, Soulieres D, Waddell T, Stus V, Gafanov R, Nosov D, Pouliot F, Melichar B, Vynnychenko I, Azevedo SJ, Borchiellini D, McDermott RS, Bedke J, Tamada S, Yin L, Chen M, Molife LR, Atkins MB, Rini BI. Pembrolizumab plus axitinib versus sunitinib monotherapy as first-line treatment of advanced renal cell carcinoma (KEYNOTE-426): extended follow-up from a randomised, open-label, phase 3 trial. Lancet Oncol. 2020 Dec;21(12):1563-1573. doi: 10.1016/S1470-2045(20)30436-8. Epub 2020 Oct 23. Erratum In: Lancet Oncol. 2020 Dec;21(12):e553.
- Motzer R, Alekseev B, Rha SY, Porta C, Eto M, Powles T, Grunwald V, Hutson TE, Kopyltsov E, Mendez-Vidal MJ, Kozlov V, Alyasova A, Hong SH, Kapoor A, Alonso Gordoa T, Merchan JR, Winquist E, Maroto P, Goh JC, Kim M, Gurney H, Patel V, Peer A, Procopio G, Takagi T, Melichar B, Rolland F, De Giorgi U, Wong S, Bedke J, Schmidinger M, Dutcus CE, Smith AD, Dutta L, Mody K, Perini RF, Xing D, Choueiri TK; CLEAR Trial Investigators. Lenvatinib plus Pembrolizumab or Everolimus for Advanced Renal Cell Carcinoma. N Engl J Med. 2021 Apr 8;384(14):1289-1300. doi: 10.1056/NEJMoa2035716. Epub 2021 Feb 13.
- Choueiri TK, Powles T, Burotto M, Escudier B, Bourlon MT, Zurawski B, Oyervides Juarez VM, Hsieh JJ, Basso U, Shah AY, Suarez C, Hamzaj A, Goh JC, Barrios C, Richardet M, Porta C, Kowalyszyn R, Feregrino JP, Zolnierek J, Pook D, Kessler ER, Tomita Y, Mizuno R, Bedke J, Zhang J, Maurer MA, Simsek B, Ejzykowicz F, Schwab GM, Apolo AB, Motzer RJ; CheckMate 9ER Investigators. Nivolumab plus Cabozantinib versus Sunitinib for Advanced Renal-Cell Carcinoma. N Engl J Med. 2021 Mar 4;384(9):829-841. doi: 10.1056/NEJMoa2026982.
- Qu L, Wang ZL, Chen Q, Li YM, He HW, Hsieh JJ, Xue S, Wu ZJ, Liu B, Tang H, Xu XF, Xu F, Wang J, Bao Y, Wang AB, Wang D, Yi XM, Zhou ZK, Shi CJ, Zhong K, Sheng ZC, Zhou YL, Jiang J, Chu XY, He J, Ge JP, Zhang ZY, Zhou WQ, Chen C, Yang JH, Sun YH, Wang LH. Prognostic Value of a Long Non-coding RNA Signature in Localized Clear Cell Renal Cell Carcinoma. Eur Urol. 2018 Dec;74(6):756-763. doi: 10.1016/j.eururo.2018.07.032. Epub 2018 Aug 22.
- Sonpavde G, Choueiri TK. Biomarkers: the next therapeutic hurdle in metastatic renal cell carcinoma. Br J Cancer. 2012 Sep 25;107(7):1009-16. doi: 10.1038/bjc.2012.399. Epub 2012 Sep 4.
- Jing L, Guigonis JM, Borchiellini D, Durand M, Pourcher T, Ambrosetti D. LC-MS based metabolomic profiling for renal cell carcinoma histologic subtypes. Sci Rep. 2019 Oct 30;9(1):15635. doi: 10.1038/s41598-019-52059-y.
- Lakshminarayanan H, Rutishauser D, Schraml P, Moch H, Bolck HA. Liquid Biopsies in Renal Cell Carcinoma-Recent Advances and Promising New Technologies for the Early Detection of Metastatic Disease. Front Oncol. 2020 Oct 28;10:582843. doi: 10.3389/fonc.2020.582843. eCollection 2020.
- Bex A, Fournier L, Lassau N, Mulders P, Nathan P, Oyen WJ, Powles T. Assessing the response to targeted therapies in renal cell carcinoma: technical insights and practical considerations. Eur Urol. 2014 Apr;65(4):766-77. doi: 10.1016/j.eururo.2013.11.031. Epub 2013 Nov 28.
- Yi X, Xiao Q, Zeng F, Yin H, Li Z, Qian C, Wang C, Lei G, Xu Q, Li C, Li M, Gong G, Zee C, Guan X, Liu L, Chen BT. Computed Tomography Radiomics for Predicting Pathological Grade of Renal Cell Carcinoma. Front Oncol. 2021 Jan 27;10:570396. doi: 10.3389/fonc.2020.570396. eCollection 2020.
- Shu J, Tang Y, Cui J, Yang R, Meng X, Cai Z, Zhang J, Xu W, Wen D, Yin H. Clear cell renal cell carcinoma: CT-based radiomics features for the prediction of Fuhrman grade. Eur J Radiol. 2018 Dec;109:8-12. doi: 10.1016/j.ejrad.2018.10.005. Epub 2018 Oct 5.
- Smith AD, Zhang X, Bryan J, Souza F, Roda M, Sirous R, Zhang H, Vasanji A, Griswold M. Vascular Tumor Burden as a New Quantitative CT Biomarker for Predicting Metastatic RCC Response to Antiangiogenic Therapy. Radiology. 2016 Nov;281(2):484-498. doi: 10.1148/radiol.2016160143. Epub 2016 Sep 2.
- Han KS, Jung DC, Choi HJ, Jeong MS, Cho KS, Joung JY, Seo HK, Lee KH, Chung J. Pretreatment assessment of tumor enhancement on contrast-enhanced computed tomography as a potential predictor of treatment outcome in metastatic renal cell carcinoma patients receiving antiangiogenic therapy. Cancer. 2010 May 15;116(10):2332-42. doi: 10.1002/cncr.25019.
- Fournier LS, Oudard S, Thiam R, Trinquart L, Banu E, Medioni J, Balvay D, Chatellier G, Frija G, Cuenod CA. Metastatic renal carcinoma: evaluation of antiangiogenic therapy with dynamic contrast-enhanced CT. Radiology. 2010 Aug;256(2):511-8. doi: 10.1148/radiol.10091362. Epub 2010 Jun 15.
- Hudson JM, Bailey C, Atri M, Stanisz G, Milot L, Williams R, Kiss A, Burns PN, Bjarnason GA. The prognostic and predictive value of vascular response parameters measured by dynamic contrast-enhanced-CT, -MRI and -US in patients with metastatic renal cell carcinoma receiving sunitinib. Eur Radiol. 2018 Jun;28(6):2281-2290. doi: 10.1007/s00330-017-5220-2. Epub 2018 Jan 30.
- Zhou L, Zhang Z, Chen YC, Zhao ZY, Yin XD, Jiang HB. A Deep Learning-Based Radiomics Model for Differentiating Benign and Malignant Renal Tumors. Transl Oncol. 2019 Feb;12(2):292-300. doi: 10.1016/j.tranon.2018.10.012. Epub 2018 Dec 17.
- Kuusk T, Neves JB, Tran M, Bex A. Radiomics to better characterize small renal masses. World J Urol. 2021 Aug;39(8):2861-2868. doi: 10.1007/s00345-021-03602-y. Epub 2021 Jan 26.
- Lin F, Cui EM, Lei Y, Luo LP. CT-based machine learning model to predict the Fuhrman nuclear grade of clear cell renal cell carcinoma. Abdom Radiol (NY). 2019 Jul;44(7):2528-2534. doi: 10.1007/s00261-019-01992-7.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Antecipado)
Conclusão do estudo (Antecipado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- INT220-22
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .
Ensaios clínicos em Tomografia computadorizada
-
University Hospital, MontpellierConcluídoPronação-supinação do antebraço, comprometimento daFrança
-
The Netherlands Cancer InstituteConcluído
-
University of ArizonaBlue Earth Diagnostics; Banner University Medical CenterConcluídoAdenocarcinoma de próstataEstados Unidos
-
Rigshospitalet, DenmarkHerlev HospitalAtivo, não recrutandoLombalgia CrônicaDinamarca
-
Jonsson Comprehensive Cancer CenterConcluídoCarcinoma NeuroendócrinoEstados Unidos
-
Peking University Cancer Hospital & InstituteRecrutamentoTumores positivos HER2 ou positivos suspeitosChina
-
European Organisation for Research and Treatment...Polish Lymphoma Research GroupRetiradoTerapia adaptada de resposta muito precoce a FDG-PET/CT para linfoma de Hodgkin avançado (H11) (H11)Linfoma de HodgkinDinamarca
-
GE HealthcareLaboratory Corporation of AmericaAinda não está recrutando
-
Jonsson Comprehensive Cancer CenterNão está mais disponívelTumores Neuroendócrinos | Câncer Medular de Tireóide | Câncer Carcinóide | Cânceres que expressam receptores de somatostatinaEstados Unidos
-
Turku University HospitalConcluídoCarcinoma Espinocelular de Cabeça e PescoçoFinlândia