- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06309615
Decision Impact Study av PreciseDx Breast (PDxBRUTILITY)
Prospective Clinical Utility/Decision Support Study av ett AI-aktiverat digitalt bröstcancertest (Precise Dx Breast, PDxBRTM) för att förutsäga återfall i tidigt stadium av bröstcancer inom 6 år
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Kvinnlig bröstcancer (BC) har överträffat lungcancer som den vanligaste diagnostiserade cancern i världen, vilket översätts till 24,5 % av alla cancerdiagnoser och 15,5 % av alla cancerdödsfall. I USA beräknas 290 560 amerikaner få diagnosen bröstcancer 2022 och 43 780 kommer att dö av sjukdom. Med tanke på denna statistik fortsätter 2022 National Comprehensive Cancer Network (NCCN), American Society of Clinical Oncology (ASCO) och College of American Pathologists (CAP) riktlinjer för klinisk praxis att betona den avgörande betydelsen av patologibedömningen vid diagnos för att fastställa omfattningen av sjukdom och egenskaper som återspeglar en biologisk potential för återfall såsom histologisk grad och stadium.
Precise Dx Breast Assay (PDxBR™) är ett in vitro prognostiskt kliniskt godkänt test av NYSDOH för att förutsäga återfall av bröstcancer för patienter som diagnostiserats med IBC i tidigt stadium. Testet använder en digital skanning av ett representativt H&E-färgat resektionsprov från patienten. Med hjälp av framsteg inom tillämpad artificiell intelligens (AI) resultatbaserad bildanalys, förvärvas utvalda egenskaper hos den invasiva cancern och kombineras med kliniska variabler för att producera en riskpoäng som förutsäger sannolikheten för att få bröstcancerrecidiv inom 6 år. Med intåget av beräkningsmetoder undersökte utredaren om AI-förfrågning av hela diabilder (WSI) kunde användas för att förbättra karakteriseringen och noggrannheten av IBC-histopatologi. Tillvägagångssättet var baserat på genereringen av kvantitativa, diskreta morfologiska egenskaper inom en vävnadssektion (Morphology Feature Array, MFA) och användningen av maskininlärning för att skapa AI-modeller som förutsäger risken för återfall i tidigt stadium av sjukdom. Utredaren har utvecklat ett test som förbättrar riskstratifieringen av IBC i förhållande till användningen av kliniska egenskaper samt omklassificering av histologisk standardgrad för bröst i låg- och högriskgrupper med hjälp av MFA-aktiverade AI-modeller.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Kristian Cruz
- Telefonnummer: 6468189330
- E-post: kcruz@precisedx.ai
Studera Kontakt Backup
- Namn: Michael J Donovan, PhD, MD
- Telefonnummer: 6468189330
- E-post: mdonovan@precisedx.ai
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Invasiv bröstcancer (duktal / blandad duktal-lobulär)
Exklusions kriterier:
- Tidigare historia av invasiv bröstcancer
- Neoadjuvant terapi
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Standard of Care
Patienter med en diagnos av invasiv bröstcancer i ett tidigt skede, efter operation, i färd med att utveckla en behandlingsplan.
Efter en period på 2-4 veckor kommer patienten och vårdgivaren att få PreciseDx brösttestresultat med uppföljande frågeformulär för att bedöma förändring i vårdväg.
|
För att använda patientens ålder, tumörstorlek, grad och lymfkörtelstatus och eventuella genomiska tester (dvs.
OncotypeDx, MammaPrint etc för att fastställa risken för återfall,
|
|
Standard of Care plus PreciseDx brösttest
Patienter med en diagnos av invasiv bröstcancer i ett tidigt skede, efter operation, i färd med att utveckla en behandlingsplan.
Förutom standardvård kommer patienten och deras vårdgivare också att få resultaten från PreciseDx brösttest.
Frågeformulär kommer att användas för att bedöma inverkan på beslutsfattande och planerad vårdväg.
|
För att använda patientens ålder, tumörstorlek, grad och lymfkörtelstatus och eventuella genomiska tester (dvs.
OncotypeDx, MammaPrint etc för att fastställa risken för återfall,
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Decision Impact Study av PreciseDx Breast på behandlande onkolog
Tidsram: 6-12 månader
|
Andel (mål; 20 %) medicinska onkologer som använde PDxBR resulterar i deras hantering av patienter med IBC inklusive något av följande beslut/åtgärder: i. övergripande bekräftelse eller justering av den ursprungliga förvaltningsplanen, ii.
beställa/skjuta upp genomisk testning, iii.
justera typ, dos eller regim av endokrin terapi, iv.
införande av kemoterapi utöver endokrin behandling, v. använda strålbehandling mm.
|
6-12 månader
|
|
Beslutspåverkansstudie av PreciseDx-bröst på diagnostisk patolog
Tidsram: 6-12 månader
|
Andel (mål: 20 %) patologer som använde PDxBR resulterar i sin rutinmässiga diagnostiska bedömning av IBC inklusive något av följande: i. stödde och eller ändrade deras diagnostiska histologiska betyg (baserat på AI-graden som tillhandahålls av PDxBR-analysen), ii.
tillhandahållit ytterligare användbar information i den histologiska bedömningen av IBC, inklusive närvaron av lymfocyter, stromalt innehåll etc. iii.
fann den interaktiva smarttelefonen tillgängliga digitala funktionsvisningsverktyget till hjälp för deras förståelse och användning av testresultaten i deras bedömningsprocess.
|
6-12 månader
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Beslut Inverkan på långsiktiga resultat
Tidsram: 2-5 år
|
Användning av NPV, PPV, Sensitivitet, Specificitet, HR för att förutsäga lokal-regional, fjärrmetastaser eller total överlevnad.
|
2-5 år
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Gregory S Henderson, MD, PhD, Mount Sinai Hospital
Publikationer och användbara länkar
Allmänna publikationer
- Fernandez G, Zeineh J, Prastawa M, Scott R, Madduri AS, Shtabsky A, Jaffer S, Feliz A, Veremis B, Mejias JC, Charytonowicz E, Gladoun N, Koll G, Cruz K, Malinowski D, Donovan MJ. Analytical Validation of the PreciseDx Digital Prognostic Breast Cancer Test in Early-Stage Breast Cancer. Clin Breast Cancer. 2024 Feb;24(2):93-102.e6. doi: 10.1016/j.clbc.2023.10.008. Epub 2023 Nov 2.
- Fernandez G, Prastawa M, Madduri AS, Scott R, Marami B, Shpalensky N, Cascetta K, Sawyer M, Chan M, Koll G, Shtabsky A, Feliz A, Hansen T, Veremis B, Cordon-Cardo C, Zeineh J, Donovan MJ. Development and validation of an AI-enabled digital breast cancer assay to predict early-stage breast cancer recurrence within 6 years. Breast Cancer Res. 2022 Dec 20;24(1):93. doi: 10.1186/s13058-022-01592-2.
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
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
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- PDX-001_2
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 .