Heuristik, algoritmer och maskininlärning: utvärdering och testning inom strålterapi (Hamlet rt)
26 juli 2021 uppdaterad av: CCTU- Cancer Theme
Hamlet-RT: Heuristics, Algorithms and Machine Learning: Evaluation & Testing in Radiation Therapy
Hamlet.rt-studien är en prospektiv datainsamling och patientenkätstudie för patienter som genomgår bildstyrd strålbehandling med kurativ avsikt.
Syftet med studien är att använda nya maskininlärning och matematiska tekniker för att bygga en modell som kan förutsäga risken för signifikanta biverkningar från strålbehandling för en enskild patient: genom att använda beräkningar av normal vävnadsdos från strålbehandlingsplanering och härledda patientbaslinjekarakteristika. från bild- och icke-bilddata, uppdateras kontinuerligt i takt med att patienten granskas både under och efter behandlingen.
Ett sekundärt mål med projektet är att underlätta forskning inom maskininlärning och medicinsk bildbehandling för strålterapi genom att skapa en upptäckbar och delad dataresurs för forskningsanvändning.
Studieöversikt
Status
Rekrytering
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Förväntat)
310
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studiekontakt
- Namn: Meena Murthy
- Telefonnummer: 349707 01223 349707
- E-post: meena.murthy@addenbrookes.nhs.uk
Studera Kontakt Backup
- Namn: CCTU Cancer
- Telefonnummer: 216038 01223 216038
- E-post: cctuc@addenbrookes.nhs.uk
Studieorter
-
-
Cambridgeshire
-
Cambridge, Cambridgeshire, Storbritannien, CB2 0QQ
- Rekrytering
- Cambridge University Hospitals NHS Foundation Trust
-
Kontakt:
- Amy Bates
- Telefonnummer: 256296 01223 256296
- E-post: amy.bates@addenbrookes.nhs.uk
-
Huvudutredare:
- Raj Dr. Jena
-
-
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
18 år och äldre (Vuxen, Äldre vuxen)
Tar emot friska volontärer
N/A
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Vuxna lämpliga för radikal bildstyrd strålbehandling med prostata-, huvud- och nacke-, hjärn- eller lungcancer.
Variationen i förhållandena är baserad på kraven för Machine Learning-algoritmer som kräver höga nivåer av klinisk tillämpbarhet, vilket beror på kvaliteten och kvantiteten av tillgänglig indata.
Indatauppsättningen bör därför på ett adekvat sätt omfatta variationen i anatomi som påträffas i befolkningen.
Beskrivning
Inklusionskriterier:
- Deltagaren är villig och kan ge informerat samtycke för deltagande i studien
- Man eller kvinna
- 18 år eller äldre
- Diagnostiserats med primär prostatacancer, huvud- och halscancer, lungcancer eller hjärntumör
- Behandlas med kurativ avsikt
- Lämplig för radikal bildstyrd strålbehandling
- WHO ECOG prestandastatus 0 eller 1
- Förväntad överlevnad på 18 månader eller mer
Exklusions kriterier:
- Deltagaren vill eller kan inte fullfölja de protokollangivna kraven för studien, t.ex. få tillgång till och fylla i webbaserade långsiktiga uppföljningsenkäter.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Kohort
- Tidsperspektiv: Blivande
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Prostatacancer
Vuxna lämpliga för radikal bildstyrd strålbehandling för sin prostatacancer, cirka 170 patienter Komponenter från RTOG, LENT SOM(A), RMH symptomskala och UCLA PCI (prostatacancerindex) frågeformulär kommer att användas.
|
Frågeformulär som administreras kommer att övervaka den kliniska toxiciteten som upplevs av varje patient upp till 5 år efter strålbehandling
|
|
Huvud- och halscancer
Vuxna lämpade för radikal bildstyrd strålbehandling för sin huvud- och halscancer, cirka 140 patienter.
Komponenter från CTCAE v3, LENT SOM(A), EORTC QLQ H+N35 & Modified xerostomia frågeformulär kommer att användas.
|
Frågeformulär som administreras kommer att övervaka den kliniska toxiciteten som upplevs av varje patient upp till 5 år efter strålbehandling
|
|
Tumörer i centrala nervsystemet
Vuxna som lämpar sig för radikal bildstyrd strålbehandling för sin CNS-tumör, så många patienter rekryteras som möjligt.
Komponenter från RTOG, LENT SOM(A), Folstein mini mental state examination & Generalized Activites of Daily Living scale (G-ADL) frågeformulär kommer att användas.
|
Frågeformulär som administreras kommer att övervaka den kliniska toxiciteten som upplevs av varje patient upp till 5 år efter strålbehandling
|
|
Lungcancer
Vuxna lämpade för radikal bildstyrd strålbehandling för sin lungcancer, så många patienter rekryterade som möjligt.
Komponenter från RTOG & LENT SOM(A) frågeformulär kommer att användas.
|
Frågeformulär som administreras kommer att övervaka den kliniska toxiciteten som upplevs av varje patient upp till 5 år efter strålbehandling
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Maskininlärningsmodellering
Tidsram: 8 år från FPFV
|
Karakterisera maskininlärningsmodeller för de fyra sjukdomsplatserna.
Utveckla maskininlärningsalgoritmer för autosegmentering av normal vävnadsanatomi, och för att utöka maskininlärningsalgoritmer för att identifiera och segmentera normala vävnadsstrukturer i konstråle-CT-bilder, och för att använda ML-segmenteringarna för att utvärdera bildsignaturer som är korrelerade med behandlingstoxicitet
|
8 år från FPFV
|
|
Prediktiv modellering
Tidsram: 8 år från FPFV
|
Förutsäg prestandamatchningar med publicerade tekniker.
Kombinera maskininlärningsmodellerna i resultat 1, med bedömningsdata före behandling och kvantitativa bedömningar under behandling i resultat 3 för konstruktion och utvärdering av en prediktiv matematisk modell
|
8 år från FPFV
|
|
Utvärdering av klinisk toxicitet
Tidsram: 8 år från FPFV
|
Utvärdering av den kliniska toxiciteten som upplevs av varje patient upp till 5 år efter strålbehandling för att informera de prediktiva modellerna i resultat 2
|
8 år från FPFV
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Utredare
- Huvudutredare: Raj Dr. Jena, Cambridge University Hospitals NHS Foundation Trust & the University of Cambridge
- Huvudutredare: Suzanne Miller, Cambridge University Hospitals NHS Foundation Trust
- Huvudutredare: Amy Bates, Cambridge University Hospitals NHS Foundation Trust
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (Faktisk)
11 september 2019
Primärt slutförande (Förväntat)
1 januari 2023
Avslutad studie (Förväntat)
1 januari 2028
Studieregistreringsdatum
Först inskickad
15 augusti 2019
Först inskickad som uppfyllde QC-kriterierna
16 augusti 2019
Första postat (Faktisk)
19 augusti 2019
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
2 augusti 2021
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
26 juli 2021
Senast verifierad
1 juli 2021
Mer information
Termer relaterade till denna studie
Nyckelord
Andra studie-ID-nummer
- Hamlet.rt
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Obeslutsam
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .