Uso de técnicas de aprendizado de máquina para avaliação seriada de marcadores inflamatórios sistêmicos em pacientes com câncer de mama (INFLAMMATE)
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
No câncer de mama, o aumento dos níveis de neutrófilos e a diminuição dos níveis de linfócitos no sangue periférico estão associados a uma pior sobrevida global (SG). Em HR+, cânceres de mama metastáticos HER2-, baixa NLR pré-tratamento e alta contagem absoluta de linfócitos (ALC) pré-tratamento foram relacionadas com melhor sobrevida livre de progressão (PFS) e OS. O desenvolvimento de modelos preditivos, baseados em algoritmos de aprendizado de máquina (ML) tem sido utilizado no prognóstico e auxilia no diagnóstico de diversos tipos de câncer.
Embora os testes laboratoriais regulares tenham potencial para serem biomarcadores do cancro da mama, um único teste ainda não fornece sensibilidade ou especificidade adequadas. A inteligência artificial (IA) pode ajudar na integração de dados de vários testes para auxiliar no diagnóstico. Melhorias técnicas, como capacidade de armazenamento de dados, poder computacional e algoritmos melhores, significam que o ML pode processar informações clinicamente significativas a partir de dados de testes laboratoriais. A generalização e a estabilidade dos modelos ainda precisam ser confirmadas, tendo em vista limitações como a ausência de vários tipos patológicos, coortes pequenas e falta de validação externa. Portanto, um modelo competitivo também é essencial para conseguir uma estratificação mais precisa dos pacientes com câncer de mama. O objetivo deste estudo multicêntrico retrospectivo é avaliar sistematicamente a capacidade dos testes laboratoriais para prever o câncer de mama e desenvolver um modelo robusto e generalizável para auxiliar na identificação de pacientes com câncer de mama.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Locais de estudo
-
-
-
Buenos Aires, Argentina
- Pablo Mandó
-
-
-
-
Minas Gerais
-
Uberaba, Minas Gerais, Brasil
- Rosekeila Simoes Nomeline
-
-
Rio Grande do Sul
-
Porto Alegre, Rio Grande do Sul, Brasil
- Tomas Reinert
-
-
Sao Paulo
-
Barretos, Sao Paulo, Brasil
- Idam Oliveira Junior
-
Campinas, Sao Paulo, Brasil
- César Cabello
-
Ribeirão Preto, Sao Paulo, Brasil
- Daniel Guimaraes Tiezzi
-
-
-
-
Ontario
-
Toronto, Ontario, Canadá
- Vasily Giannakeas
-
-
-
-
-
Cairo, Egito
- Salma Elashwah
-
-
-
-
-
Madrid, Espanha
- Cristina Saura
-
-
-
-
-
Osaka, Japão
- Masahiro Takada
-
Tokyo, Japão, 113-8677
- Masakazu Toi
-
-
-
-
-
Mexico City, México
- Cynthia Mayte Villarreal Garza
-
-
-
-
-
Seul, Republica da Coréia
- Wonshik Han
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Pacientes mulheres com idade entre 18 e 75 anos;
- Pacientes com carcinoma invasivo de mama diagnosticados por patologia;
- Pacientes diagnosticados entre 1º de janeiro de 2013 e 31 de dezembro de 2018;
- Realizar hemograma completo antes da intervenção cirúrgica (mastectomia ou cirurgia conservadora de mama) ou quimioterapia neoadjuvante;
Critério de exclusão:
Presença de distúrbios hematológicos;
- Câncer de mama bilateral;
- Macho;
- Pontuação de status de desempenho de Karnofsky <70';
- Câncer de mama inflamatório e carcinoma in situ;
- Gravidez ou amamentação;
- Evidência de recorrência local ou distante.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Grupo I: Câncer de mama
Todos os participantes envolvidos em nosso estudo são mulheres que foram diagnosticadas com câncer de mama e tratadas com cirurgia ou quimioterapia neoadjuvante de 1º de janeiro de 2013 a 31 de dezembro de 2018.
|
Cirurgia (mastectomia ou quadrantectomia); Quimioterapia neoadjuvante
Outros nomes:
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sobrevivência geral
Prazo: Da data do diagnóstico até a data do óbito, avaliado em até 120 meses
|
Sobrevivência geral
|
Da data do diagnóstico até a data do óbito, avaliado em até 120 meses
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sobrevivência livre de doenças
Prazo: Da data do diagnóstico até a data da primeira progressão (recidiva local do tumor ou metástase à distância), avaliada em até 60 meses
|
Sobrevivência livre de doenças
|
Da data do diagnóstico até a data da primeira progressão (recidiva local do tumor ou metástase à distância), avaliada em até 60 meses
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Afonso C Nazario, PhD, University Federal of Sao Paulo
Publicações e links úteis
Publicações Gerais
- Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, Bray F. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin. 2021 May;71(3):209-249. doi: 10.3322/caac.21660. Epub 2021 Feb 4.
- Faria SS, Giannarelli D, Cordeiro de Lima VC, Anwar SL, Casadei C, De Giorgi U, Madonna G, Ascierto PA, Mendoza Lopez RV, Chammas R, Capone M. Development of a Prognostic Model for Early Breast Cancer Integrating Neutrophil to Lymphocyte Ratio and Clinical-Pathological Characteristics. Oncologist. 2024 Apr 4;29(4):e447-e454. doi: 10.1093/oncolo/oyad303.
- Choi E, Bahadori MT, Schuetz A, Stewart WF, Sun J. Doctor AI: Predicting Clinical Events via Recurrent Neural Networks. JMLR Workshop Conf Proc. 2016 Aug;56:301-318. Epub 2016 Dec 10.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
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
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- University of Sao Paulo
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
produto fabricado e exportado 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 .