肺癌的CT和MR研究
CT和MR预测肺癌患者驱动基因和反应的临床研究
肺癌是中国癌症相关死亡的主要原因之一。 尽管在全身治疗方面取得了进展并改善了晚期肺癌患者的非存活率，但发病率和死亡率仍然很高。
最近，许多研究报道了EGFR（表皮生长因子受体，EGFR）、ALK（间变性淋巴瘤激酶，ALK）、ROS1（c-ros癌基因1受体，ROS1）、BRAF（V-raf鼠肉瘤病毒癌基因同源物B1、BRAF)等具有明确的靶向药物，为患者带来生存获益。 然而，大约一半的患者仍然缺乏明确的驱动基因靶点，这可能由于对放射治疗和其他化疗药物的更高反应率而提高了生存率。
开发CT（computed tomography，CT）和MRI（magnetic resonance imaging，MRI）等无创影像学生物标志物，不仅可以评估治疗反应，还可以预测药物治疗的疗效和驱动基因是否阳性，通过分析临床相关数据与影像学特征之间的关系，找到临床决策所需的影像学特征，从而有助于改善预后。
研究概览
详细说明
探讨 CT 和 MR 使用多个序列（包括 T2-TSE-BLADE、T2 maps StarVIBE 和 iShim-DWI）在评估肺癌患者的驱动基因和预测治疗反应和 OS 方面的价值。
经活检证实的肺癌患者被前瞻性地纳入 CT 和 3T MRI 扫描仪成像。 MRI协议包括T2-TSE-BLADE、T2图、iShim-DWI和StarVIBE序列等。 患者根据NCCN（国家综合癌症网络）指南接受治疗。 分析 CT 和 MRI 特征以发现治疗前影像学特征与驱动基因和治疗反应之间的相关性。 该研究将包括 400 名患者。 TN 分期的读者间协议在 CT 和 MRI 分析中表现出色。 CT和MRI的诊断准确率将分别计算。
研究类型
注册 (预期的)
联系人和位置
学习地点
-
-
-
Zhengzhou、中国
- 招聘中
- Henan Cancer Hospital
-
接触：
- Baoxia He, MD
- 电话号码：8637165588007
- 邮箱：hnszlyygcp@163.com
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准：
- 连续纳入通过内窥镜检查和术前影像学数据经术前病理证实为肺癌的患者。
- MRI检查无禁忌症。 没有碘造影剂的禁忌症。
- 患者在知情同意的情况下参与本研究。
排除标准：
- 不能进行MSCT或MR扫描或伪影影响评价的患者。
- 患者对手术或新辅助治疗极度焦虑和不合作。
- Patients 患者拒绝参与该项目。
- 研究者认为不符合纳入标准的其他情况。
学习计划
研究是如何设计的？
设计细节
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
肺癌临床相关数据（驱动基因和反应）与影像学特征（MSCT和MRI）的关系研究
大体时间：长达 2 年
|
回顾性审查了诊断为肺癌患者的数据。
所有患者都接受了基于支气管镜检查、经皮针引导或手术活检的肺癌组织病理学诊断，并接受了基因突变研究。
分析临床相关数据（驱动基因和反应）与影像学特征的关系。
|
长达 2 年
|
|
MSCT和MRI对肺癌预后的预测
大体时间：长达 2 年
|
构建模型，基于MSCT和多模态MR定量图像的深度卷积神经网络能够自动挖掘关键图像特征，结合成像特征、驱动基因和预后，可以进一步帮助提高反应和OS的预测。系统治疗肺癌。
|
长达 2 年
|
合作者和调查者
出版物和有用的链接
一般刊物
- Shi L, Rong Y, Daly M, Dyer B, Benedict S, Qiu J, Yamamoto T. Cone-beam computed tomography-based delta-radiomics for early response assessment in radiotherapy for locally advanced lung cancer. Phys Med Biol. 2020 Jan 10;65(1):015009. doi: 10.1088/1361-6560/ab3247.
- Lee G, Lee HY, Park H, Schiebler ML, van Beek EJR, Ohno Y, Seo JB, Leung A. Radiomics and its emerging role in lung cancer research, imaging biomarkers and clinical management: State of the art. Eur J Radiol. 2017 Jan;86:297-307. doi: 10.1016/j.ejrad.2016.09.005. Epub 2016 Sep 10.
- Akinci D'Antonoli T, Farchione A, Lenkowicz J, Chiappetta M, Cicchetti G, Martino A, Ottavianelli A, Manfredi R, Margaritora S, Bonomo L, Valentini V, Larici AR. CT Radiomics Signature of Tumor and Peritumoral Lung Parenchyma to Predict Nonsmall Cell Lung Cancer Postsurgical Recurrence Risk. Acad Radiol. 2020 Apr;27(4):497-507. doi: 10.1016/j.acra.2019.05.019. Epub 2019 Jul 6.
- Seki S, Fujisawa Y, Yui M, Kishida Y, Koyama H, Ohyu S, Sugihara N, Yoshikawa T, Ohno Y. Dynamic Contrast-enhanced Area-detector CT vs Dynamic Contrast-enhanced Perfusion MRI vs FDG-PET/CT: Comparison of Utility for Quantitative Therapeutic Outcome Prediction for NSCLC Patients Undergoing Chemoradiotherapy. Magn Reson Med Sci. 2020 Feb 10;19(1):29-39. doi: 10.2463/mrms.mp.2018-0158. Epub 2019 Mar 18.
- Ciliberto M, Kishida Y, Seki S, Yoshikawa T, Ohno Y. Update of MR Imaging for Evaluation of Lung Cancer. Radiol Clin North Am. 2018 May;56(3):437-469. doi: 10.1016/j.rcl.2018.01.005.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.