- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT06017557
Previsão do resultado da citorredução no câncer de ovário avançado, usando um algoritmo de aprendizado de máquina e padrões de distribuição de doenças na laparoscopia (PREDAtOOR) (PREDAtOOR)
Visão geral do estudo
Status
Intervenção / Tratamento
Descrição detalhada
Para o tratamento do câncer de ovário avançado, a decisão de se submeter à cirurgia primária é complexa e decidida pelo cirurgião, embora múltipla considerando múltiplos elementos. Às vezes, a quimioterapia é necessária antes da cirurgia para reduzir alguns tumores. Para escolher os melhores pacientes para cirurgia primária, diversas ferramentas de predição foram desenvolvidas. A tomografia computadorizada e a ressonância magnética têm sido mais comumente usadas para identificar locais e quantidades de tumores no abdômen e podem ajudar a determinar se esses tumores podem ser removidos com segurança por cirurgia. No entanto, estes métodos de imagem são apenas uma previsão e, por vezes, é realizada uma laparoscopia diagnóstica (colocação de uma câmara no abdómen para observar todos os locais da doença) para ajudar neste processo de decisão.
Com a introdução da inteligência artificial e do aprendizado de máquina, existe a possibilidade de criar modelos de previsão mais precisos usando imagens desses vídeos de laparoscopia diagnóstica. Em particular, os investigadores gostariam de usar imagens da laparoscopia diagnóstica para criar modelos de aprendizado de máquina para ajudar a prever se os tumores podem ser removidos com sucesso na cirurgia primária ou se seria necessária quimioterapia antes da cirurgia.
Os investigadores inscreverão os pacientes em um único momento (sendo o momento da cirurgia) e os acompanharão no tempo e não haverá visitas adicionais além da cirurgia.
Durante a cirurgia, a equipe cirúrgica tira imagens, no entanto, o que torna isso diferente é que essas imagens serão usadas para ajudar a criar um algoritmo para prever os resultados cirúrgicos. Essas imagens serão armazenadas em um banco de dados seguro com um número anônimo que não vinculará essas fotos a nenhum dos participantes.
Tipo de estudo
Inscrição (Estimado)
Estágio
- Não aplicável
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Descrição
Critério de inclusão:
- Pacientes tratados no Hospital Fondazione Policlinico Gemelli, Roma Itália, Trillium -Credit Valley Hospital, Mississauga, Ontário e Princess Margaret Cancer Centre, Toronto, Canadá
- Pacientes aptos para cirurgia citorredutora
- Pacientes com diagnóstico primário de suspeita de câncer de ovário em estágio III-IV
- Pacientes selecionados para cirurgia citorredutora de intervalo após NACT
Critério de exclusão:
- Pacientes com doença pré-operatória em estágio I-II confinada à pelve
- Pacientes impróprios para cirurgia
- Falta de informações sobre os resultados cirúrgicos e características clinicopatológicas dos pacientes
- LGSOC, subtipos histológicos não epiteliais de células claras e mucinosas (se disponível)
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Diagnóstico
- Alocação: N / D
- Modelo Intervencional: Atribuição de grupo único
- Mascaramento: Nenhum (rótulo aberto)
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
---|---|
Experimental: Câncer de ovário em estágio clínico III-IV
indivíduos que foram diagnosticados ou com suspeita de câncer de ovário em estágio clínico III-IV e tomografia computadorizada e ressonância magnética têm sido mais comumente usados para identificar locais e quantidades de tumores no abdômen e podem ajudar a determinar se esses tumores podem ser removidos com segurança por cirurgia.
No entanto, estes métodos de imagem são apenas uma previsão e, por vezes, é realizada uma laparoscopia diagnóstica (colocação de uma câmara no abdómen para observar todos os locais da doença) para ajudar neste processo de decisão.
|
Com a introdução da inteligência artificial e do aprendizado de máquina, existe a possibilidade de criar modelos de previsão mais precisos usando imagens desses vídeos de laparoscopia diagnóstica.
Em particular, gostaria de utilizar imagens da laparoscopia diagnóstica para criar modelos de aprendizagem automática para ajudar a prever se os tumores podem ser removidos com sucesso na cirurgia primária, ou se seria necessária quimioterapia antes da cirurgia.
Durante a cirurgia, a equipe cirúrgica tira imagens, no entanto, o que torna isso diferente é que essas imagens serão usadas para ajudar a criar um algoritmo para prever os resultados cirúrgicos.
Essas imagens serão armazenadas em um banco de dados seguro com um número anônimo que não vinculará essas fotos a nenhum dos participantes.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
a) Número de participantes com tratamento laparoscópico diagnóstico avaliado pelo valor do índice preditivo.
Prazo: até a conclusão do estudo, em média 1 ano
|
O escore de Fagotti, também conhecido como Valor do Índice Preditivo (PIV), é determinado através da avaliação de seis áreas abdominais durante a exploração laparoscópica.
Essas áreas incluem peritônio parietal, diafragma, omento maior, intestino, estômago/baço/omento menor e fígado.
Uma pontuação de 2 é atribuída a cada área com disseminação tumoral visível, permitindo uma pontuação máxima de 14. Notavelmente, uma pontuação de PIV de 10 ou superior significa um limite para triagem de pacientes para quimioterapia neoadjuvante.
Para criar um modelo preditivo para resultados de citorredução durante laparoscopia diagnóstica, redes neurais profundas avançadas serão treinadas.
O objetivo é automatizar a avaliação do escore PIV usando uma abordagem totalmente supervisionada e deduzir características das imagens obtidas durante a laparoscopia diagnóstica para prever a possibilidade de um alvo de ressecção acima de 1 cm ou falta de indicação de cirurgia citorredutora de forma supervisionada semanalmente.
|
até a conclusão do estudo, em média 1 ano
|
b) Número de participantes com tratamento de laparoscopia diagnóstica avaliado utilizando modelos de aprendizado de máquina e visão computacional para analisar imagens e vídeos
Prazo: até a conclusão do estudo, em média 1 ano
|
A avaliação laparoscópica também demonstrou sua eficácia na previsão de resultados cirúrgicos para pacientes submetidos à cirurgia citorredutora de intervalo pós-quimioterapia neoadjuvante (NACT).
No entanto, este modelo permanece vulnerável à subjetividade inerente à avaliação de cada cirurgião sobre os locais individuais da doença.
A avaliação de pacientes durante procedimentos intraoperatórios durante a laparoscopia diagnóstica muitas vezes depende do julgamento do cirurgião, que nem sempre pode ser treinado de maneira ideal para tais avaliações e pode ser influenciado por vieses.
A utilização de modelos de CV pode envolver treiná-los para replicar automaticamente avaliações de especialistas, fornecendo avaliações mais precisas para uma população maior de pacientes.
|
até a conclusão do estudo, em média 1 ano
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
---|---|---|
1. Número de participantes com tratamento Laparoscopia Diagnóstica avaliou as imagens e vídeos validando e/ou atualizando um modelo de ML.
Prazo: até a conclusão do estudo, em média 1 ano
|
Os modelos de aprendizado de máquina (ML) mais promissores para prever resultados de citorredução no pré-operatório foram recentemente identificados por meio de uma revisão sistemática.
Esses modelos passarão por validação utilizando o conjunto de dados e anotações coletadas neste projeto.
Se necessário, o modelo será ainda mais refinado e atualizado para melhorar o seu desempenho.
Dado que existem múltiplas variáveis de diversas naturezas (como características clínicas, valores laboratoriais, características radiológicas e achados intraoperatórios) que impactam os resultados da cirurgia citorredutora, os modelos ML são adequados para lidar com conjuntos extensos de variáveis, particularmente quando as relações entre eles são não lineares.
O objetivo é desenvolver um modelo preditivo para resultados de citorredução com base em características clínicas, valores laboratoriais e características radiológicas.
|
até a conclusão do estudo, em média 1 ano
|
Colaboradores e Investigadores
Patrocinador
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Estimado)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
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
- Neoplasias por Tipo Histológico
- Neoplasias
- Neoplasias urogenitais
- Neoplasias por local
- Carcinoma
- Neoplasias Glandulares e Epiteliais
- Neoplasias Genitais Femininas
- Doenças do Sistema Endócrino
- Doenças ovarianas
- Doenças anexiais
- Distúrbios Gonadais
- Neoplasias das Glândulas Endócrinas
- Doenças Urogenitais Femininas
- Doenças urogenitais femininas e complicações na gravidez
- Doenças urogenitais
- Doenças Genitais
- Doenças Genitais Femininas
- Neoplasias ovarianas
- Carcinoma Epitelial Ovariano
Outros números de identificação do estudo
- 23-5310.0
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 Câncer de Ovário Estágio IV
-
M.D. Anderson Cancer CenterNational Cancer Institute (NCI)ConcluídoAdenocarcinoma Intestinal Delgado | Adenocarcinoma do Intestino Delgado Estágio III AJCC v8 | Estágio IIIA Adenocarcinoma Intestinal Delgado AJCC v8 | Estágio IIIB Adenocarcinoma Intestinal Delgado AJCC v8 | Estágio IV Adenocarcinoma Intestinal Delgado AJCC v8 | Ampola de Vater Adenocarcinoma | Estágio... e outras condiçõesEstados Unidos
-
National Taiwan University HospitalDesconhecidoCâncer de cólon estágio IVTaiwan
-
Sabz BiomedicalsMinistry of Health and Medical Education; Digestive Diseases Research Institute...RecrutamentoCâncer de cólon estágio IVIrã (Republic Islâmica do Irã
-
Ohio State University Comprehensive Cancer CenterConcluídoCâncer de cólon recorrente | Câncer retal recorrente | Câncer de Bexiga Estágio IV A | Câncer retal estágio IV A | Câncer de cólon estágio IV B | Câncer retal estágio IV BEstados Unidos
-
University of UtahNational Cancer Institute (NCI)RecrutamentoFadiga | Estilo de vida sedentário | Carcinoma de Próstata Metastático | Câncer de Próstata Estágio IV AJCC (American Joint Committee on Cancer) v8 | Câncer de Próstata Estágio IVA AJCC (American Joint Committee on Cancer) v8 | Câncer de Próstata Estágio IVB AJCC (American Joint Committee on...Estados Unidos
-
City of Hope Medical CenterNational Cancer Institute (NCI)ConcluídoCâncer de cólon em estágio IV | Câncer retal estágio IV | Câncer de cólon recorrente | Câncer retal recorrenteEstados Unidos
-
National Cancer Institute (NCI)ConcluídoCâncer de cólon em estágio IV | Câncer retal estágio IV | Câncer de cólon recorrente | Câncer retal recorrenteEstados Unidos
-
National Cancer Institute (NCI)ConcluídoCâncer de cólon em estágio IV | Câncer retal estágio IV | Câncer de cólon recorrente | Câncer retal recorrenteCanadá
-
National Cancer Institute (NCI)ConcluídoCâncer de cólon em estágio IV | Câncer retal estágio IV | Câncer de cólon recorrente | Câncer retal recorrenteEstados Unidos
-
Alliance for Clinical Trials in OncologyNational Cancer Institute (NCI)ConcluídoCâncer de cólon em estágio IV | Câncer retal estágio IV | Câncer de cólon recorrente | Câncer retal recorrenteEstados Unidos
Ensaios clínicos em Inteligência artificial
-
Moorfields Eye Hospital NHS Foundation TrustConcluídoEvisceração; Traumático, Olho | Enucleado; OlhoReino Unido
-
Stanford UniversityConcluídoEducação, Medicina | UltrassomEstados Unidos
-
Fondazione Policlinico Universitario Agostino Gemelli...Azienda Ospedaliero-Universitaria di Parma; Ministero della Salute, Italy; Ospedale...RecrutamentoMalformação cerebral | Anomalia FetalItália
-
National Taiwan University HospitalRecrutamento
-
Rajavithi HospitalHealth Systems Research Institute; Google LLC.RecrutamentoRetinopatia diabética | Inteligência artificial | TriagemTailândia
-
Sixth Affiliated Hospital, Sun Yat-sen UniversityAinda não está recrutando
-
Sun Yat-Sen Memorial Hospital of Sun Yat-Sen UniversityRecrutamento
-
Istituto Clinico HumanitasRecrutamento
-
Istituto Clinico HumanitasConcluídoInteligência artificialItália
-
Azienda Sanitaria-Universitaria Integrata di UdineConcluídoDoença grave | Constipação | Diarréia | Fraqueza Adquirida na UTI | Intolerância à Alimentação Enteral | Deficiência nutricional | Doença Nutricional e MetabólicaItália