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

KLINISK utvärdering av en datoralgoritm för att rapportera bröstcancer (CLEOPATRAA) (CLEOPATRAA)

26 oktober 2023 uppdaterad av: The Leeds Teaching Hospitals NHS Trust

KLINISK utvärdering av en datoralgoritm för att rapportera bröstcancer

Målet med denna icke-interventionistiska observationsstudie är att testa prestandan hos en datoralgoritm (QPORB) som undersöker digitala bilder från bröstcancerbiopsier för att ge diagnostiskt stöd. Huvudfrågorna som den syftar till att besvara är:

  1. Det huvudsakliga forskningsmålet är att avgöra om 4D Paths teknologi Q-Plasia OncoReader Breast, som har utvecklats i forskningsmiljön, fungerar robust i den kliniska miljön (dvs. för att definiera dess verkliga kliniska användbarhet) när det gäller gradering av bröstkarcinom och molekylär subtypning
  2. Det sekundära forskningsmålet är att utföra en ekonomisk analys vid sidan av försöket för att fastställa de tids-, resurs- och kostnadsbesparingar som tekniken skulle ha råd med NHS, den idealiska prispunkten för att engagera sig i tekniken och kostnads-nyttoförhållandet för utvärdering av National Institute for Clinical Excellence
  3. Det tertiära forskningsmålet är att samla långsiktiga uppföljningsdata för att bättre förstå långsiktig respons på terapi och prognos och potentiella framtida användningar av algoritmen

Deltagarnas prover kommer att testas tillsammans med rutinmässiga kliniska arbetsflöden utan ingripande eller samtycke. Forskare kommer att jämföra algoritmens resultat med de för rutinmässiga diagnostiska standardarbetsflöden för vård.

Studieöversikt

Status

Har inte rekryterat ännu

Betingelser

Detaljerad beskrivning

Denna studie följer på arbete som genomförts under de senaste 4 åren med fokus på att utveckla datorstödda diagnostiska algoritmer inom histopatologi, med fokus på upptäckt och typning av bröstcancer. Algoritmen extraherar information från samma digitala bild av ett bröstbiopsiglas som används av patologer för att ställa en diagnos. Algoritmen kan identifiera förekomsten av invasiv cancer, gradera den (dvs. hur aggressiv den ser ut) och bestäm dess molekylära subtyp, allt från samma bild och i ett enda steg. Även om en patolog kan identifiera invasiv cancer och gradera den på ett biopsiprov, är graderingen inkonsekvent mellan rapporterande kliniker (dvs. benägna att variera mellan observatörer) och endast cirka 80 % i linje med den "sanna" graden av tumören som erhölls vid operationen. Dessutom krävs ytterligare tidskrävande och dyra laboratorietester för molekylär subtypning. De är dock väsentliga för att informera onkologer om den mest effektiva/riktade behandlingen för patienten i varje enskilt fall. Syftet med denna studie är att utföra ett sista verkligt syratest av teknologin i den kliniska miljön separat men parallellt med rutindiagnostik. Om den lyckas kommer tekniken att ha skaffat sig en tillräcklig mängd data för att övertyga slutanvändare och tillsynsorgan om dess förtjänst och kommer effektivt att göra den redo för implementering i den kliniska miljön. På den domänen kommer denna hälsoekonomiska bedömning av diagnostiska lösningar att köras tillsammans med den kliniska utvärderingen av algoritmen för att analysera och jämföra kostnads- och tidsrelaterade faktorer mellan den rutinmässiga kliniska tjänsten och algoritmens arbetsflöde. Detta kommer att ge ytterligare information som krävs av tillsynsorgan för att underlätta övervägandet av att använda tekniken inom nuvarande hälsosystem. Vidare kommer uppföljningsdata att samlas in efter 5 och 10 år för att undersöka patientprognos och behandlingssvar samt framtida potentiella tillämpningar av teknologin.

Studietyp

Observationell

Inskrivning (Beräknad)

800

Kontakter och platser

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

Studieorter

    • West Yorkshire
      • Leeds, West Yorkshire, Storbritannien, LS97TF
        • St James's University Hospital, Leeds Teaching Hospitals Trust
        • Kontakt:
        • Kontakt:

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

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

N/A

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter biopsierade för bröstcancer

Beskrivning

Inklusionskriterier:

  • alla patienter med ett bröstbiopsiprov som behandlats vid patologilaboratoriet vid SJUH, LTHT.

Exklusions kriterier:

  • Ålder <16 eller >110 år, icke-karcinommaligniteter (t.ex. sarkom, maligna phyllodes-tumörer), karcinom som inte uppstår inifrån bröstet (t.ex. kutana maligniteter).

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Överensstämmelse
Tidsram: 1 år
Det huvudsakliga forskningsmålet är att avgöra om 4D Paths teknologi Q-Plasia OncoReader Breast, som har utvecklats i forskningsmiljön, fungerar robust i den kliniska miljön (dvs. för att definiera dess verkliga kliniska användbarhet) när det gäller gradering av bröstkarcinom och molekylär subtypning
1 år

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Hälsoekonomisk utvärdering
Tidsram: 6 månader
Det sekundära forskningsmålet är att utföra en ekonomisk analys vid sidan av försöket för att fastställa de tids-, resurs- och kostnadsbesparingar som tekniken skulle ha råd med NHS, den idealiska prispunkten för att engagera sig i tekniken och kostnads-nyttoförhållandet för utvärdering av National Institute for Clinical Excellence
6 månader

Andra resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Långtidsuppföljning
Tidsram: 10 år
Det tertiära forskningsmålet är att samla långsiktiga uppföljningsdata för att bättre förstå långsiktig respons på terapi och prognos och potentiella framtida användningar av algoritmen
10 år

Samarbetspartners och utredare

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

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 (Beräknad)

1 december 2023

Primärt slutförande (Beräknad)

30 november 2024

Avslutad studie (Beräknad)

30 november 2034

Studieregistreringsdatum

Först inskickad

26 oktober 2023

Först inskickad som uppfyllde QC-kriterierna

26 oktober 2023

Första postat (Faktisk)

1 november 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

1 november 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

26 oktober 2023

Senast verifierad

1 oktober 2023

Mer information

Termer relaterade till denna studie

Nyckelord

Andra studie-ID-nummer

  • HP22/152913

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

Inte data som delas med andra forskare

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Ja

produkt tillverkad i och exporterad från U.S.A.

Ja

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