启发式算法、算法和机器学习：放射治疗的评估和测试 (Hamlet rt)
2021年7月26日 更新者：CCTU- Cancer Theme
Hamlet-RT：启发式、算法和机器学习：放射治疗的评估和测试
Hamlet.rt 研究是一项前瞻性数据收集和患者问卷调查研究，对象是接受图像引导放射治疗的患者。
该研究的目的是使用新的机器学习和数学技术来建立一个模型，该模型可以预测个体患者放射治疗产生重大副作用的风险：使用来自放射治疗计划和患者基线特征的正常组织剂量的计算来自图像和非图像数据，随着患者在治疗期间和治疗后的回顾而不断更新。
该项目的第二个目标是通过创建供研究使用的可发现和共享数据资源，促进放射治疗的机器学习和医学图像处理研究。
研究概览
研究类型
观察性的
注册 (预期的)
310
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Meena Murthy
- 电话号码：349707 01223 349707
- 邮箱：meena.murthy@addenbrookes.nhs.uk
研究联系人备份
- 姓名：CCTU Cancer
- 电话号码：216038 01223 216038
- 邮箱：cctuc@addenbrookes.nhs.uk
学习地点
-
-
Cambridgeshire
-
Cambridge、Cambridgeshire、英国、CB2 0QQ
- 招聘中
- Cambridge University Hospitals NHS Foundation Trust
-
接触：
- Amy Bates
- 电话号码：256296 01223 256296
- 邮箱：amy.bates@addenbrookes.nhs.uk
-
首席研究员：
- Raj Dr. Jena
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不适用
有资格学习的性别
全部
取样方法
非概率样本
研究人群
适用于前列腺癌、头颈癌、脑癌或肺癌的根治性影像引导放射治疗的成人。
条件的变化基于需要高水平临床适用性的机器学习算法的要求，这取决于可用输入数据的质量和数量。
因此，输入数据集应充分包含人群中遇到的解剖结构变化。
描述
纳入标准：
- 参与者愿意并能够对参与研究给予知情同意
- 男女不限
- 年满 18 岁或以上
- 被诊断患有原发性前列腺癌、头颈癌、肺癌或脑瘤
- 以治疗为目的进行治疗
- 适用于根治性影像引导放疗
- WHO ECOG 体能状态 0 或 1
- 预期生存期 18 个月或更长时间
排除标准：
- 参与者不愿意或不能完成研究方案规定的要求，例如 访问并完成基于网络的长期跟进调查问卷。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 观测模型：队列
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
前列腺癌
适合对其前列腺癌进行根治性影像引导放射治疗的成人，大约 170 名患者将使用来自 RTOG、LENT SOM(A)、RMH 症状量表和 UCLA PCI（前列腺癌指数）问卷的成分。
|
问卷调查将监测每位患者在放疗后长达 5 年的临床毒性
|
|
头颈癌
适合头颈癌根治性影像引导放射治疗的成人，约 140 名患者。
将使用来自 CTCAE v3、LENT SOM(A)、EORTC QLQ H+N35 和修改后的口干症问卷的组件。
|
问卷调查将监测每位患者在放疗后长达 5 年的临床毒性
|
|
中枢神经系统肿瘤
适合中枢神经系统肿瘤根治性影像引导放射治疗的成人，招募尽可能多的患者。
将使用来自 RTOG、LENT SOM(A)、Folstein 迷你精神状态检查和日常生活量表 (G-ADL) 问卷的一般活动的组成部分。
|
问卷调查将监测每位患者在放疗后长达 5 年的临床毒性
|
|
肺癌
适合肺癌根治性影像引导放疗的成人，招募尽可能多的患者。
将使用 RTOG 和 LENT SOM(A) 问卷的组成部分。
|
问卷调查将监测每位患者在放疗后长达 5 年的临床毒性
|
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 |
|---|---|---|
|
机器学习建模
大体时间：FPFV 8 年
|
表征四个疾病部位的机器学习模型。
开发用于正常组织解剖自动分割的机器学习算法，并扩展机器学习算法以识别和分割锥形束 CT 图像中的正常组织结构，并利用 ML 分割来评估与治疗毒性相关的图像特征
|
FPFV 8 年
|
|
预测建模
大体时间：FPFV 8 年
|
预测与已发布技术的性能匹配。
将结果 1 中的机器学习模型与结果 3 中的治疗前评估数据和治疗中定量评估相结合，以构建和评估预测数学模型
|
FPFV 8 年
|
|
临床毒性评价
大体时间：FPFV 8 年
|
评估每位患者在放疗后长达 5 年的临床毒性，为结果 2 中的预测模型提供信息
|
FPFV 8 年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Raj Dr. Jena、Cambridge University Hospitals NHS Foundation Trust & the University of Cambridge
- 首席研究员：Suzanne Miller、Cambridge University Hospitals NHS Foundation Trust
- 首席研究员：Amy Bates、Cambridge University Hospitals NHS Foundation Trust
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2019年9月11日
初级完成 (预期的)
2023年1月1日
研究完成 (预期的)
2028年1月1日
研究注册日期
首次提交
2019年8月15日
首先提交符合 QC 标准的
2019年8月16日
首次发布 (实际的)
2019年8月19日
研究记录更新
最后更新发布 (实际的)
2021年8月2日
上次提交的符合 QC 标准的更新
2021年7月26日
最后验证
2021年7月1日
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.