- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06286267
AI-assisterat system för noggrann diagnos och prognos av bröstphyllodestumörer
Utveckling av ett artificiell intelligens-baserat system för exakt diagnos och prognos av bröstphyllodes tumörer
Breast Phyllodes tumor (PT) är en sällsynt fibroepitelial tumör, som står för 1 % till 3 % av alla brösttumörer, kategoriserad av WHO i benigna, borderline och maligna, baserat på histopatologiska egenskaper som tumörgräns, stromal cellularitet, stromatypi , mitotisk aktivitet och stromal överväxt. Maligna PT står för 18 %-25 %, med högt lokalt återfall (upp till 65 %) och frekvenser av fjärrmetastaser (16 %-25 %). Benign PT kan utvecklas till malignitet efter flera återfall. Därför är tidig, noggrann diagnos och identifiering av terapeutiska mål avgörande för att förbättra resultat och överlevnadsfrekvens.
Under senare år har det funnits ett växande intresse för tillämpningen av artificiell intelligens (AI) i medicinsk diagnostik. AI kan integrera klinisk information, histopatologiska bilder och multiomics-data för att hjälpa till med patologisk och klinisk diagnos, prognosförutsägelse och molekylär profilering.AI har visat lovande resultat inom olika områden, inklusive diagnos av olika cancerformer såsom kolorektal cancer, bröstcancer cancer och prostatacancer. PT skiljer sig dock från bröstcancer i diagnostik och behandlingsmetod. Att etablera ett AI-baserat system för exakt diagnos och prognosbedömning av PT är därför avgörande för personlig medicin.
Forskargruppen, som leds av Dr Nie Yan, är en av få i Guangdongprovinsen och till och med nationellt, som specialiserat sig på PT-forskning. Deras team har bedrivit forskning om malign progression, metastasmekanismer och molekylära markörer för PT. Teamet har identifierat nyckelmekanismer, såsom fibroblast-till-myofibroblastdifferentiering, och rollen av tumörassocierade makrofager för att främja denna differentiering. De har också identifierat molekylära markörer, inklusive miR-21, α-SMA, CCL18 och CCL5, som är mer exakta för att förutsäga risk för återfall av tumör jämfört med traditionell histopatologisk gradering.
Projektet har samlat in högkvalitativa data från nästan tusen bröst-PT-patienter, inklusive avbildnings-, histopatologi- och överlevnadsdata, och har utfört transkriptomgensekvensering på vävnadsprover. De syftar till att bygga en omfattande multi-omics-databas för bröst-PT och skapa en AI-baserad modell för tidig diagnos och prognosförutsägelse. Denna forskning har potential att förbättra diagnosen och behandlingen av bröst-PT, ta itu med skillnaderna i bröst-PT-vård mellan olika regioner i Kina och bidra till utvecklingen av nya terapeutiska mål.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Yan Nie, Prof.Dr.
- Telefonnummer: +86 020-81332587
- E-post: nieyan7@mail.sysu.edu.cn
Studieorter
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510120
- Rekrytering
- Sun Yat-sen Memorial Hospital, Sun Yat-sen University
-
Kontakt:
- Yan Nie, Prof.Dr.
- Telefonnummer: +86 020-81332587
- E-post: nieyan7@mail.sysu.edu.cn
-
Guangzhou, Guangdong, Kina, 510050
- Rekrytering
- Sun Yat-sen University Cancer Center
-
Kontakt:
- Feng Ye, Prof.Dr.
- Telefonnummer: 15914388994
-
Guangzhou, Guangdong, Kina, 510145
- Rekrytering
- The Third Affiliated Hospital of Guangzhou Medical University
-
Kontakt:
- Hui Mai, Prof.Dr.
- Telefonnummer: 13925129112
-
Guangzhou, Guangdong, Kina, 511400
- Rekrytering
- Guangdong Maternal and Child Health Hospital
-
Kontakt:
- Yu Tan, Prof.Dr.
- Telefonnummer: 13632356526
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Patienter diagnostiserade med en phyllodes tumör i bröstet
Exklusions kriterier:
- Suddiga bilder, avbildningsartefakter
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
---|---|
Bröst phyllodes tumör
Patienter diagnostiserade med phyllodes tumör i bröst
|
Patientmedicinskt avbildningsmaterial inklusive ultraljud, mammografi, CT, MRI
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Känslighet
Tidsram: Fem år
|
Sannolikheten för ett positivt testresultat, villkorat av att det är riktigt positivt.
|
Fem år
|
Falsk-negativ kurs
Tidsram: Fem år
|
Bestäm oddsen för att testa negativt i en positiv population.
|
Fem år
|
Specificitet
Tidsram: Fem år
|
Sannolikheten för ett negativt testresultat förutsatt att det är sant negativt.
|
Fem år
|
Falsk-positiv kurs
Tidsram: Fem år
|
Bestäm oddsen för att testa positivt i en negativ population.
|
Fem år
|
Mottagarens funktionskurva
Tidsram: Fem år
|
ROC-kurvan är en kurva baserad på en serie olika dikotomiska klassificeringar (cut-off-värden eller beslutströsklar), med frekvensen av sanna positiva (känslighet) som den vertikala koordinaten och frekvensen av falska positiva (1-specificitet) som horisontell koordinat.
|
Fem år
|
Area under roc Curve
Tidsram: Fem år
|
AUC definieras som arean under ROC-kurvan som omges av axlarna, och ju närmare AUC är 1,0, desto mer autentisk är analysen.
|
Fem år
|
Samarbetspartners och utredare
Publikationer och användbara länkar
Allmänna publikationer
- Belkacemi Y, Bousquet G, Marsiglia H, Ray-Coquard I, Magne N, Malard Y, Lacroix M, Gutierrez C, Senkus E, Christie D, Drumea K, Lagneau E, Kadish SP, Scandolaro L, Azria D, Ozsahin M. Phyllodes tumor of the breast. Int J Radiat Oncol Biol Phys. 2008 Feb 1;70(2):492-500. doi: 10.1016/j.ijrobp.2007.06.059. Epub 2007 Oct 10.
- Mishra SP, Tiwary SK, Mishra M, Khanna AK. Phyllodes tumor of breast: a review article. ISRN Surg. 2013;2013:361469. doi: 10.1155/2013/361469. Epub 2013 Mar 20.
- Bera K, Schalper KA, Rimm DL, Velcheti V, Madabhushi A. Artificial intelligence in digital pathology - new tools for diagnosis and precision oncology. Nat Rev Clin Oncol. 2019 Nov;16(11):703-715. doi: 10.1038/s41571-019-0252-y. Epub 2019 Aug 9.
- van der Laak J, Litjens G, Ciompi F. Deep learning in histopathology: the path to the clinic. Nat Med. 2021 May;27(5):775-784. doi: 10.1038/s41591-021-01343-4. Epub 2021 May 14.
- Wang Y, Acs B, Robertson S, Liu B, Solorzano L, Wahlby C, Hartman J, Rantalainen M. Improved breast cancer histological grading using deep learning. Ann Oncol. 2022 Jan;33(1):89-98. doi: 10.1016/j.annonc.2021.09.007. Epub 2021 Sep 29.
- Chow ZL, Thike AA, Li HH, Nasir NDM, Yeong JPS, Tan PH. Counting Mitoses With Digital Pathology in Breast Phyllodes Tumors. Arch Pathol Lab Med. 2020 Nov 1;144(11):1397-1400. doi: 10.5858/arpa.2019-0435-OA.
- Cheng CL, Md Nasir ND, Ng GJZ, Chua KWJ, Li Y, Rodrigues J, Thike AA, Heng SY, Koh VCY, Lim JX, Hiew VJN, Shi R, Tan BY, Tay TKY, Ravi S, Ng KH, Oh KSL, Tan PH. Artificial intelligence modelling in differentiating core biopsies of fibroadenoma from phyllodes tumor. Lab Invest. 2022 Mar;102(3):245-252. doi: 10.1038/s41374-021-00689-0. Epub 2021 Nov 24.
- Kates-Harbeck J, Svyatkovskiy A, Tang W. Predicting disruptive instabilities in controlled fusion plasmas through deep learning. Nature. 2019 Apr;568(7753):526-531. doi: 10.1038/s41586-019-1116-4. Epub 2019 Apr 17.
- Gong C, Nie Y, Qu S, Liao JY, Cui X, Yao H, Zeng Y, Su F, Song E, Liu Q. miR-21 induces myofibroblast differentiation and promotes the malignant progression of breast phyllodes tumors. Cancer Res. 2014 Aug 15;74(16):4341-52. doi: 10.1158/0008-5472.CAN-14-0125. Epub 2014 Jun 30.
- Nie Y, Chen J, Huang D, Yao Y, Chen J, Ding L, Zeng J, Su S, Chao X, Su F, Yao H, Hu H, Song E. Tumor-Associated Macrophages Promote Malignant Progression of Breast Phyllodes Tumors by Inducing Myofibroblast Differentiation. Cancer Res. 2017 Jul 1;77(13):3605-3618. doi: 10.1158/0008-5472.CAN-16-2709. Epub 2017 May 16.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Beräknad)
Uppdateringar av studier
Senaste uppdatering publicerad (Beräknad)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- SYSKY-2023-351-02
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 .
Kliniska prövningar på Artificiell intelligens
-
Al Baraka Fertility HospitalAl-Azhar UniversityRekryteringARTIFICIAL INTELLIGENS (AI) APPLIKATIONER INOM REPRODUKTIV MEDICINEgypten
Kliniska prövningar på bildbehandling
-
University of Roma La SapienzaAvslutad
-
University of VirginiaOkändIntrakraniell aneurysm | Abdominal aortaaneurysmFörenta staterna
-
University of Texas Southwestern Medical CenterRekrytering
-
Medical Centre LeeuwardenUniversity of Groningen; LIMIS DevelopmentRekryteringLungcancerNederländerna
-
Chinese PLA General HospitalOkänd
-
Medical Centre LeeuwardenUniversity of Groningen; LIMIS DevelopmentRekryteringMatstrupscancerNederländerna
-
Wuerzburg University HospitalRekryteringHjärtinfarkt | Myokardskada | MyokardinflammationTyskland
-
University of California, San DiegoRekryteringRyggrad | Deformitet i ryggradenFörenta staterna
-
Varian, a Siemens Healthineers CompanyAvslutadBröstcancer | Lungcancer | Lever cancer | Annan cancerKanada
-
Gentuity, LLCAvslutad