改善胶质母细胞瘤的治疗:区分进展与假性进展
通过将机器学习技术应用于常规临床数据,通过区分进展和假性进展来改善胶质母细胞瘤的治疗
胶质母细胞瘤是最具侵袭性的脑癌,平均会导致 20 年的寿命损失,比任何其他癌症都多。 在手术前和治疗后每隔几个月拍摄大脑的 MRI 图像,以查看癌症是否复发。 医生可能很难判断他们在这些图像中看到的是癌症的生长还是治疗的副作用。 治疗副作用的出现与癌症的相似性令人困惑,被称为“假性进展”(与真正的癌症进展相反)。
如果医生将治疗副作用的出现误认为是癌症的发展,他们可能会认为治疗失败并过早改变患者的治疗方法或将他们投入临床试验。 这意味着患者可能无法获得完整的治疗,并且某些临床试验的结果不可信。
这项研究的目的是为医生提供一个计算机程序,该程序将使用在整个治疗过程中常规获得的大脑 MRI 图像,以帮助他们更准确地识别癌症何时复发。
研究概览
地位
条件
详细说明
假性进展对患者护理和医学研究具有重要影响。 现有证据表明,使用支持向量机和深度学习分类模型使用常规 MRI 图像预测生存以及区分进展与假性进展是可行的。 研究人员希望使用参数响应图(通过他们开发的最先进的术后到术前图像配准方法)捕获常规 MRI 图像中随时间变化的信号,并使用此类分类器区分进展和假性进展。 需要研究人员提出的研究,以便为假性进展问题提供解决方案,并在整个 NHS 中轻松有效地实施。 重要的是,这并不依赖于先进的成像技术。
KCH 过去 24 个月收集的数据表明,即使在领先的神经胶质瘤成像中心,也只有 66% 的患者进行了高级成像(例如 DSC-MRI)在对比增强增加时进行,即可能的进展。 本研究的主要目的是使用常规临床 MRI 数据来训练分类器。 这将增加分类器的实用性,因为所有成像中心都可以获取此类常规 MRI 数据,因此,与可能依赖于先进成像技术的替代分类器相比,新分类器可以提供更具成本效益的解决方案。
分类模型的初始训练、测试和交叉验证将使用从可公开访问的成像档案和伦敦国王学院医院 (KCH) 获得的胶质母细胞瘤 MRI 数据进行。 为了进行临床验证,经过训练的模型将使用前瞻性招募患者的 MRI 数据进行测试。
研究类型
注册 (预期的)
联系人和位置
学习联系方式
- 姓名:Thomas C Booth, Dr
- 电话号码:02078489568
- 邮箱:thomas.booth@kcl.ac.uk
研究联系人备份
- 姓名:Shuaib, MSc
- 邮箱:haris.shuaib@kcl.ac.uk
学习地点
-
-
-
Brighton、英国、BN2 5BE
- 招聘中
- Royal Sussex County Hospital, Brighton and Sussex University Hospitals NHS Trust
-
首席研究员:
- Ed Chandy
-
Cardiff、英国、CF14 2TL
- 招聘中
- Velindre Cancer Centre, Velindre University NHS Trust
-
首席研究员:
- James Powell
-
Dundee、英国、DD1 9SY
- 招聘中
- Ninewells Hospital and Medical School, NHS Tayside
-
首席研究员:
- Avinash Kanodia
-
Hull、英国、HU3 2KZ
- 招聘中
- Hull Royal Infirmary, Hull University Teaching Hospitals NHS Trust
-
首席研究员:
- Chris Rowland Hill
-
Leeds、英国、LS1 3EX
- 招聘中
- Leeds General Infirmary, The Leeds Teaching Hospitals NHS Trust
-
首席研究员:
- Ryan Mathew
-
London、英国、W6 8RF
- 招聘中
- Charing Cross Hospital, Imperial College Healthcare NHS Trust
-
London、英国、SE1 9RT
- 招聘中
- Guy's Hospital, Guy's and St Thomas' NHS Foundation Trust
-
首席研究员:
- Haris Shuaib
-
London、英国、SE5 9RS
- 招聘中
- King's College Hospital, King's College Hospital NHS Trust
-
London、英国、WC1N 3BG
- 招聘中
- National Hospital for Neurology and Neurosurgery, University College London Hospitals NHS Foundation Trust
-
首席研究员:
- Steffi Thust
-
Manchester、英国、M20 4BX
- 招聘中
- The Christie Hospital, The Christie NHS Foundation Trust
-
首席研究员:
- Sean Tenant
-
Newcastle、英国、NE7 7DN
- 招聘中
- Newcastle upon Tyne Hospitals NHS Foundation Trust- Newcastle Freeman Hospital
-
首席研究员:
- Joanne Lewis
-
Nottingham、英国、NG7 2UH
- 招聘中
- Nottingham University Hospitals NHS Trust- City Hospital
-
Plymouth、英国、PL6 8DH
- 招聘中
- University Hospitals Plymouth NHS Trust
-
首席研究员:
- Mark Thurston
-
Preston、英国、PR2 9HT
- 招聘中
- Lancashire Teaching Hospitals NHS Foundation Trust
-
首席研究员:
- Erica Beamount
-
Sutton、英国、SM2 5PT
- 招聘中
- The Royal Marsden Hospital, Royal Marsden NHS Foundation Trust
-
首席研究员:
- Liam Welsh
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 诊断为胶质母细胞瘤(世界卫生组织IV级)
- 接受标准 Stupp 治疗方案的患者
- 进行过手术前扫描和至少一次放化疗后随访扫描
排除标准:
- 临床和放射学随访不足
- 患者的治疗与标准 Stupp 方案有很大偏差,例如他们被招募到介入试验中,并且对患者的试验治疗知之甚少
- 在完成 Stupp 方案之前接受血管生成抑制剂(如贝伐珠单抗)治疗的患者
学习计划
研究是如何设计的?
设计细节
- 观测模型:队列
- 时间观点:预期
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 |
---|---|---|
人工智能模型的准确性
大体时间:长达 36 个月
|
由对真阳性和真阴性的敏感性和特异性的混淆矩阵定义。
|
长达 36 个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
人工智能模型的失败率
大体时间:长达 36 个月
|
测试无法提供结果的比率(例如
由于质量差或数据缺失)
|
长达 36 个月
|
合作者和调查者
调查人员
- 首席研究员:Thomas Booth、King's College London
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
与本研究相关的术语
其他研究编号
- 5.0 15/01/21
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
IPD 计划说明
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
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.