Prediction of Neoadjuvant Therapy Efficacy and Prognosis for Breast Cancer Based on Multimodal Data
22 июня 2026 г. обновлено: Yunnan Cancer Hospital
Prediction of Neoadjuvant Therapy Efficacy and Prognosis for Breast Cancer Based on Multimodal Data: A Multicenter Retrospective and Prospective Validation
This study aims to develop a multimodal deep learning model integrating MRI, ultrasound, digital pathology and clinical information based on multicenter retrospective data.
To externally validate the model in an independent prospective cohort, and evaluate its accuracy in predicting pathological complete response (pCR), 3-year and 5-year disease-free survival (DFS).
To establish visual tools such as nomograms, assisting clinicians in identifying patients with chemoresistance and facilitating individualized de-escalation or escalation treatment strategies.
Обзор исследования
Статус
Еще не набирают
Условия
Тип исследования
Интервенционный
Регистрация (Оцененный)
1800
Фаза
- Непригодный
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Контакты исследования
- Имя: Zhenhui LI
- Номер телефона: 13698736132
- Электронная почта: lizhenhui@kmmu.edu.cn
Учебное резервное копирование контактов
- Имя: Yu Xie
- Номер телефона: 13708445492
- Электронная почта: xieyu@kmmu.edu.cn
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Нет
Описание
Inclusion Criteria:
- Histopathologically confirmed invasive breast cancer;
- Planned to receive a full course of neoadjuvant therapy;
- Complete baseline imaging data (MRI/ultrasound/mammography) and core needle pathology results available.
Exclusion Criteria:
- Previous history of ipsilateral breast cancer or chest radiotherapy;
- Distant metastasis (Stage IV);
- Poor image quality or missing clinical data exceeding 20%.
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
- Основная цель: Диагностика
- Распределение: Н/Д
- Интервенционная модель: Одногрупповое задание
- Маскировка: Нет (открытая этикетка)
Оружие и интервенции
Группа участников / Армия |
Вмешательство/лечение |
|---|---|
|
Экспериментальный: Prediction of Neoadjuvant Therapy Efficacy and Prognosis for Breast Cancer Based on Multimodal Data
To develop a multimodal deep learning model integrating MRI, ultrasound, digital pathology and clinical information based on multicenter retrospective data.
|
MRI and ultrasound were performed in addition to conventional treatment regimens
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Predictive value of multimodal data for neoadjuvant therapy efficacy in breast cancer
Временное ограничение: From enrollment to the end of surgery
|
Combined with preoperative multimodal MRI and ultrasound imaging parameters, pathological baseline data and clinical data, a prediction model for neoadjuvant therapy efficacy in breast cancer is constructed.
Taking postoperative pathological response results as the evaluation basis, the predictive efficacy of multimodal data for neoadjuvant therapy complete response and non-complete response is evaluated.
|
From enrollment to the end of surgery
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Prognostic predictive value of multimodal data for breast cancer
Временное ограничение: From enrollment to the end of surgery
|
Follow up the long-term prognosis of breast cancer patients after neoadjuvant therapy and surgery, record key prognostic indicators including disease-free survival (DFS) and overall survival (OS).
Analyze the correlation between multimodal imaging and clinical pathological data and patient prognosis, and verify the prognostic prediction ability of multimodal data for breast cancer patients.
|
From enrollment to the end of surgery
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Следователи
- Директор по исследованиям: Lianhua Ye, Ethics Committee of Yunnan Provincial Cancer Hospital
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Оцененный)
1 июня 2026 г.
Первичное завершение (Оцененный)
31 декабря 2026 г.
Завершение исследования (Оцененный)
30 июня 2029 г.
Даты регистрации исследования
Первый отправленный
19 мая 2026 г.
Впервые представлено, что соответствует критериям контроля качества
22 июня 2026 г.
Первый опубликованный (Действительный)
26 июня 2026 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
26 июня 2026 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
22 июня 2026 г.
Последняя проверка
1 мая 2026 г.
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- KYLX2026-205
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .