Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Förbättrad behandling av glioblastom: skilja progression från pseudoprogression

20 april 2023 uppdaterad av: Guy's and St Thomas' NHS Foundation Trust

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

Rekrytering

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

Observationell

Inskrivning (Förväntat)

500

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studera Kontakt Backup

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

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 till 80 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter med höggradigt glioblastom

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

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

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

Det är här du hittar personer och organisationer som är involverade i denna studie.

Samarbetspartners

Utredare

  • Huvudutredare: Thomas Booth, King's College London

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)

21 mars 2019

Primärt slutförande (Förväntat)

26 maj 2024

Avslutad studie (Förväntat)

26 maj 2025

Studieregistreringsdatum

Först inskickad

21 april 2020

Först inskickad som uppfyllde QC-kriterierna

21 april 2020

Första postat (Faktisk)

24 april 2020

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

21 april 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

20 april 2023

Senast verifierad

1 april 2023

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

IPD-planbeskrivning

Helt anonymiserade datauppsättningar (inklusive avbildning och relevant klinisk data) kan i slutet av studien delas med offentliga arkiv i syfte att främja forskning och utöka samarbeten så länge som alla regler relaterade till databasen har godkänts fullt ut av HRA och REC.

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 .

Prenumerera