- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT04359745
Förbättrad behandling av glioblastom: skilja progression från pseudoprogression
Förbättra behandling av glioblastom genom att särskilja progression från pseudoprogression genom att tillämpa maskininlärningstekniker på rutinmässiga kliniska data
Glioblastom är den mest aggressiva typen av hjärncancer och leder i genomsnitt till 20 år förlorade liv, mer än någon annan cancer. MRT-bilder av hjärnan tas före operationen, och med några månaders mellanrum efter behandlingen, för att se om cancern växer ut igen. Det kan vara svårt för läkare att avgöra om det de ser på dessa bilder representerar växande cancer eller en biverkning av behandlingen. Likheten mellan behandlingsbiverkningarnas utseende och cancer är förvirrande och är känd som "pseudoprogression" (i motsats till sann cancerprogression).
Om läkare misstar utseendet på behandlingsbiverkningar för växande cancer, kan de tro att behandlingen misslyckas och ändra patientens behandling för tidigt eller sätta dem i en klinisk prövning. Detta innebär att patienter kanske inte får hela behandlingen och att resultaten från vissa kliniska prövningar inte går att lita på.
Syftet med denna studie är att förse läkare med ett datorprogram som kommer att använda MRI-bilder av hjärnan som rutinmässigt tas under behandlingen, för att hjälpa dem att mer exakt identifiera när cancern växer ut igen.
Studieöversikt
Status
Betingelser
Detaljerad beskrivning
Effekten av pseudoprogression är betydande på patientvård och medicinsk forskning. De befintliga bevisen visar att det är möjligt att använda klassificeringsmodeller för Support Vector Machine och Deep Learning för att förutsäga överlevnad med hjälp av rutin-MRI-bilder samt för att skilja progression från pseudoprogression. Utredarna vill fånga signalförändringar över tid i rutinmässiga MRI-bilder med hjälp av parametriska responskartor (via en toppmodern postoperativ till preoperativ bildregistreringsmetod som de har utvecklat) och använda sådana klassificerare för att skilja progression från pseudoprogression. Forskningen som utredarna föreslår behövs för att kunna ge en lösning på problemet med pseudoprogression och implementeras i hela NHS enkelt och effektivt. Viktigt är att detta inte beror på avancerade avbildningstekniker.
Data som samlats in vid KCH från de senaste 24 månaderna visar att även vid ett ledande gliomavbildningscenter hade endast 66 % av patienterna avancerad bildbehandling (t. DSC-MRI) utförs vid tidpunkten för ökning av kontrastförstärkning, dvs. möjlig progression. Det primära syftet med denna forskning är att använda rutinmässiga kliniska MRT-data för att träna klassificeraren. Detta kommer att öka användbarheten av klassificeraren, eftersom sådana rutinmässiga MRI-data kan inhämtas av alla bildbehandlingscentra, och den nya klassificeraren kan därför ge en mycket mer kostnadseffektiv lösning än en alternativ klassificerare som kan bero på avancerad bildteknik.
Inledande utbildning, testning och korsvalidering av en klassificeringsmodell kommer att utföras med hjälp av MRI-data från glioblastom erhållna från offentligt tillgängliga bildarkiv och King's College Hospital (KCH), London. För klinisk validering kommer den tränade modellen att genomgå testning med hjälp av MRT-data från patienter som rekryteras prospektivt.
Studietyp
Inskrivning (Förväntat)
Kontakter och platser
Studiekontakt
- Namn: Thomas C Booth, Dr
- Telefonnummer: 02078489568
- E-post: thomas.booth@kcl.ac.uk
Studera Kontakt Backup
- Namn: Shuaib, MSc
- E-post: haris.shuaib@kcl.ac.uk
Studieorter
-
-
-
Brighton, Storbritannien, BN2 5BE
- Rekrytering
- Royal Sussex County Hospital, Brighton and Sussex University Hospitals NHS Trust
-
Huvudutredare:
- Ed Chandy
-
Cardiff, Storbritannien, CF14 2TL
- Rekrytering
- Velindre Cancer Centre, Velindre University NHS Trust
-
Huvudutredare:
- James Powell
-
Dundee, Storbritannien, DD1 9SY
- Rekrytering
- Ninewells Hospital and Medical School, NHS Tayside
-
Huvudutredare:
- Avinash Kanodia
-
Hull, Storbritannien, HU3 2KZ
- Rekrytering
- Hull Royal Infirmary, Hull University Teaching Hospitals NHS Trust
-
Huvudutredare:
- Chris Rowland Hill
-
Leeds, Storbritannien, LS1 3EX
- Rekrytering
- Leeds General Infirmary, The Leeds Teaching Hospitals NHS Trust
-
Huvudutredare:
- Ryan Mathew
-
London, Storbritannien, W6 8RF
- Rekrytering
- Charing Cross Hospital, Imperial College Healthcare NHS Trust
-
London, Storbritannien, SE1 9RT
- Rekrytering
- Guy's Hospital, Guy's and St Thomas' NHS Foundation Trust
-
Huvudutredare:
- Haris Shuaib
-
London, Storbritannien, SE5 9RS
- Rekrytering
- King's College Hospital, King's College Hospital NHS Trust
-
London, Storbritannien, WC1N 3BG
- Rekrytering
- National Hospital for Neurology and Neurosurgery, University College London Hospitals NHS Foundation Trust
-
Huvudutredare:
- Steffi Thust
-
Manchester, Storbritannien, M20 4BX
- Rekrytering
- The Christie Hospital, The Christie NHS Foundation Trust
-
Huvudutredare:
- Sean Tenant
-
Newcastle, Storbritannien, NE7 7DN
- Rekrytering
- Newcastle upon Tyne Hospitals NHS Foundation Trust- Newcastle Freeman Hospital
-
Huvudutredare:
- Joanne Lewis
-
Nottingham, Storbritannien, NG7 2UH
- Rekrytering
- Nottingham University Hospitals NHS Trust- City Hospital
-
Plymouth, Storbritannien, PL6 8DH
- Rekrytering
- University Hospitals Plymouth NHS Trust
-
Huvudutredare:
- Mark Thurston
-
Preston, Storbritannien, PR2 9HT
- Rekrytering
- Lancashire Teaching Hospitals NHS Foundation Trust
-
Huvudutredare:
- Erica Beamount
-
Sutton, Storbritannien, SM2 5PT
- Rekrytering
- The Royal Marsden Hospital, Royal Marsden NHS Foundation Trust
-
Huvudutredare:
- Liam Welsh
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Diagnostiserats med glioblastom (World Health Organization grad IV)
- Patient som genomgår standardbehandlingen Stupp
- Har gjort en undersökning före operation och minst en uppföljningsskanning efter kemoradiation
Exklusions kriterier:
- Otillräcklig klinisk och radiologisk uppföljning
- Patientens behandling avviker kraftigt från den vanliga Stupp-kuren, så att de rekryteras till interventionella prövningar och tillräcklig information är inte känd om patientens prövningsbehandling
- Patienter som får behandling med angiogenes-hämmare såsom bevacizumab innan Stupp-kuren avslutats
Studieplan
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Kohort
- Tidsperspektiv: Blivande
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Noggrannhet av den artificiella intelligensmodellen
Tidsram: Upp till 36 månader
|
Definieras av en förvirringsmatris av känslighet och specificitet för sanna positiva och sanna negativa.
|
Upp till 36 månader
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Misslyckandefrekvensen för den artificiella intelligensmodellen
Tidsram: Upp till 36 månader
|
Den hastighet som testet inte kan ge ett resultat (t.ex.
på grund av dålig kvalitet eller saknad data)
|
Upp till 36 månader
|
Samarbetspartners och utredare
Samarbetspartners
Utredare
- Huvudutredare: Thomas Booth, King's College London
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Förväntat)
Avslutad studie (Förväntat)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 5.0 15/01/21
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .