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

Vätskebiopsi med PET/CT kontra PET/CT ensam vid diagnos av små lungknölar

3 december 2023 uppdaterad av: Rajesh Shah, Palo Alto Veterans Institute for Research

Flytande biopsi i kombination med PET/CT versus PET/CT ensam vid diagnos av små lungknölar

Syftet med denna studie är att avgöra om en flytande biopsi, en metod för att upptäcka cancer från en blodtagning, i kombination med en PET/CT-skanning, en typ av radiologisk skanning, är bättre på att avgöra om en lungknöl är cancerös jämfört med enbart en PET/CT-skanning. En PET/CT-skanning används redan för diagnos av lungknölar, men dess effektivitet är osäker i knölar 6-20 mm stora. Därför kommer PET/CT att utvärderas för sin diagnostiska förmåga i lesioner av denna storlek enbart och i kombination med en flytande biopsi. Sekundärt kommer en maskininlärningsmodell att skapas för att se om kombinationen av PET/CT-avbildningsdata och flytande biopsidata kan förutsäga förekomsten av cancer.

Studieöversikt

Status

Avslutad

Studietyp

Observationell

Inskrivning (Faktisk)

31

Kontakter och platser

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

Studieorter

    • California
      • Palo Alto, California, Förenta staterna, 94304
        • VA Palo Alto Health Care System

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

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter med lungknutor som hittas via bildbehandling kommer att väljas från VA Palo Alto Health Care System.

Beskrivning

Inklusionskriterier:

  • Över 18 år
  • ECOG-prestandastatus på 0,1 eller 2
  • Nyupptäckt lungknöl med:

    1. Minst en solid lungknöl som mäter 6 mm-20 mm i största diameter upptäckts vid screening CT
    2. Ingen enskild lesion som är större än 20 mm i största diameter när flera knölar finns
    3. Hög- eller medelriskknölar enligt American College of Chest Physician (ACCP) riktlinjer
  • Kan ge informerat samtycke

Exklusions kriterier:

  • Tidigare cancer av någon typ under de senaste 3 åren
  • Tidigare organ, benmärg, från hematopoetisk stamcellstransplantation
  • Kontraindikation för administrering av [18F]FDG
  • Oförmåga att genomgå en PET/CT-skanning
  • Pågående infektion, antingen akut eller subakut
  • Allvarlig KOL eller lungsjukdom som kräver syreanvändning i hemmet
  • Graviditet

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
Patienter med lungknöl
Patienter med hög risk för lungcancer visade sig ha en lungknöl 6-20 mm stor.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Jämförelse av flytande biopsi med PET/CT med enbart PET/CT för att förutsäga lungcancer
Tidsram: 24 månader
Bestäm känsligheten och specificiteten för flytande biopsi och PET/CT i kombination jämfört med enbart PET/CT för att förutsäga lungcancer för lesioner 6 mm-20 mm stora
24 månader

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
ctDNA-genpanelens förmåga att upptäcka lungcancer
Tidsram: 24 månader
Bestäm känsligheten och specificiteten för en ctDNA-genpanel för att detektera lungcancer för lesioner 6 mm-200 mm i storlek
24 månader
DNA-metylering flytande biopsi förmåga att upptäcka lungcancer
Tidsram: 24 månader
Bestäm känsligheten och specificiteten för DNA-metyleringsvätskebiopsi för att upptäcka lungcancer för lesioner 6 mm-20 mm i storlek
24 månader
Validera ML-klassificerare för att förutsäga lungcancer
Tidsram: 30 månader
Validera en klassificerare för maskininlärning (ML) för att förutsäga lungcancer med hjälp av avbildning och kliniska data.
30 månader

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Rajesh Shah, MD, VA Palo Alto Health Care System

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Allmänna publikationer

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)

23 september 2021

Primärt slutförande (Faktisk)

1 februari 2023

Avslutad studie (Faktisk)

1 februari 2023

Studieregistreringsdatum

Först inskickad

23 september 2021

Först inskickad som uppfyllde QC-kriterierna

23 september 2021

Första postat (Faktisk)

4 oktober 2021

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

8 december 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

3 december 2023

Senast verifierad

1 december 2023

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

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