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

Utveckling av en prediktiv modell för gastrisk cancer peritoneal metastas och cachexia med Bub1 och radiopatomikdata med djup inlärning (BUDDLE)

27 februari 2025 uppdaterad av: Qun Zhao
Denna kliniska prövning syftar till att utveckla en prediktiv modell för gastrisk cancer (GC) peritoneal metastas och cachexia genom att integrera BUB1 -gendata med radiologiska och patologiska data med avancerade djupa inlärningstekniker. Studien kommer att fokusera på att använda avbildningsgenomik (radiomik) och histopatologiska data för att identifiera tidiga biomarkörer för peritoneal metastas och cachexia hos GC -patienter. Genom att utnyttja djupa inlärningsalgoritmer försöker projektet förbättra noggrannheten och tillförlitligheten för förutsägelser, vilket möjliggör tidigare intervention och personliga behandlingsstrategier. Det ultimata målet är att förbättra klinisk beslutsfattande och prognosförutsägelse hos GC-patienter med peritoneal metastas och cachexi.

Studieöversikt

Detaljerad beskrivning

Gastrisk cancer (GC) är en av de vanligaste och aggressiva maligniteterna, med peritoneal metastas och cachexi som avsevärt bidrar till dess dåliga prognos. Bub1 -genen har varit inblandad i kromosomal instabilitet och utvecklingen av GC, men dess roll i peritoneal metastas och cachexia förblir oklart. Denna kliniska prövning syftar till att undersöka potentialen att integrera BUB1 -genuttryck med avbildning och patologiska data för att utveckla en prediktiv modell för GC -progression.

Studien kommer att samla in omfattande data från GC -patienter, inklusive genomiska profiler (BUB1 -genuttryck), radiologiska bilder (CT/MRI -skanningar) och histopatologiska fynd. Avancerad radiomikanalys kommer att extrahera kvantitativa funktioner från avbildningsdata, medan patologiska data kommer att analyseras för relevanta histologiska markörer. Det kombinerade datasättet kommer att matas in i en djup inlärningsmodell för att identifiera mönster associerade med peritoneal metastas och cachexia, med fokus på identifiering av tidiga biomarkörer.

Den djupa inlärningsmodellen kommer att genomgå iterativ träning och validering med både retrospektiva och blivande patientdata. Den primära slutpunkten för försöket är att bedöma modellens prediktiva noggrannhet för peritoneal metastas och utveckling av cachexia, medan sekundära slutpunkter inkluderar dess potential att informera personliga behandlingsstrategier, förbättra överlevnadsnivåerna och vägleda klinisk beslutsfattande.

Denna studie kommer också att undersöka sambandet mellan BUB1 -uttryck och radiopatomikfunktioner i GC, vilket ger insikt i de underliggande mekanismerna som driver peritoneal metastas och cachexia. Resultaten syftar till att upprätta ett robust, kliniskt tillämpligt prediktivt verktyg som kan integreras i nuvarande klinisk praxis för bättre patientresultat.

Studietyp

Observationell

Inskrivning (Beräknad)

500

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

N/A

Testmetod

Sannolikhetsprov

Studera befolkning

Studiepopulationen kommer att bestå av vuxna patienter som diagnostiserats med gastrisk cancer (GC) i olika stadier av sjukdomen. Patienter kommer att väljas utifrån förekomsten av eller riskfaktorer för peritoneal metastas och/eller cachexi, som kommer att bedömas genom kliniska utvärderingar, avbildning (CT/MRI) och histopatologisk undersökning. Deltagarna kommer att rekryteras från en kohort av GC -patienter som har tillgängliga genomiska, radiologiska och patologiska data, som är viktiga för att utbilda den prediktiva modellen.

Studien kommer att fokusera på patienter med ett brett spektrum av GC -manifestationer, inklusive både tidiga och avancerade stadier, för att säkerställa att modellen är tillämplig över olika sjukdomsprofiler. Denna mångfaldiga befolkning hjälper till att utvärdera modellens robusthet och generaliserbarhet vid förutsäga peritoneal metastaser och cachexi, med syfte att en omfattande representation av GC -progression.

Beskrivning

Inkluderingskriterier:

Vuxna i åldern 18-75 år som diagnostiserats med gastrisk cancer (GC) när som helst. Histopatologiskt bekräftat GC med tillgänglig radiologisk (CT/MRI) och patologiska data (biopsiprover).

Patienter med eller riskerar peritoneal metastas och/eller cachexia, bestämd av klinisk bedömning och avbildning.

Möjlighet att tillhandahålla informerat samtycke och följa studieprotokoll. Villighet att genomgå regelbunden uppföljningsavbildning och klinisk utvärdering under studiens varaktighet.

Uteslutningskriterier:

Patienter med andra primära cancer eller allvarliga komorbiditeter (t.ex. allvarlig hjärt -kärlsjukdom, okontrollerad diabetes).

Gravida eller ammande kvinnor. Patienter med kontraindikationer mot MRI eller CT -avbildning. De med otillräcklig klinisk data (t.ex. saknad radiopatologisk information) för modellträning.

Patienter som inte kan eller inte vill följa studieprotokollet, inklusive uppföljningsbesök och utvärderingar.

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
Tidsram
Förutsägbar noggrannhet av den BUB1-integrerade djupinlärningsmodellen för peritoneal metastas och cachexia
Tidsram: 12 månader för modellträning, validering och initial klinisk tillämpning
12 månader för modellträning, validering och initial klinisk tillämpning

Samarbetspartners och utredare

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

Sponsor

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 mars 2025

Primärt slutförande (Beräknad)

1 mars 2027

Avslutad studie (Beräknad)

1 mars 2027

Studieregistreringsdatum

Först inskickad

27 februari 2025

Först inskickad som uppfyllde QC-kriterierna

27 februari 2025

Första postat (Faktisk)

25 mars 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

25 mars 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

27 februari 2025

Senast verifierad

1 februari 2025

Mer information

Termer relaterade till denna studie

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