基于深度学习的胶质瘤多模态图像识别系统的建立与评价
2021年9月7日 更新者:Tao Xin
研究目的:
- 通过多模态图像识别系统获得胶质瘤分子影像的代谢特征。
- 通过分析代谢参数与肿瘤亚型之间的关系,确定分子影像代谢参数是否可以表征胶质瘤的分子分型
- 以胶质瘤分子影像代谢参数为基础进行代谢分型,明确代谢亚型与手术切除、放化疗及预后的关系,进一步细化胶质瘤的分子分型。
研究背景:
胶质瘤是最常见的原发性颅内恶性肿瘤,占中枢神经系统恶性肿瘤的80%。 它具有高度侵入性,手术复发率高达 90%。 预后极差,造成很大负担。 胶质瘤有不同的分子亚型,具有明显的分子生物学特征,导致患者的预后各不相同。 随着脑胶质瘤基础和临床研究的不断发展以及各种新药和治疗技术的出现,基于脑胶质瘤患者个体水平的分子病理诊断显得尤为重要。 术前明确分子病理类型有助于胶质瘤的临床诊断和预后判断,对优化治疗方案具有重要意义。
项目组在胶质瘤分子分型系统建立的基础上,利用无创分子影像技术,根据肿瘤代谢参数明确胶质瘤分子亚群的特征。 通过将基于深度学习的目标检测和图像识别与大数据分析相结合,在胶质瘤诊断、预后和治疗方案的临床研究中具有巨大潜力,可为胶质瘤分子分析和识别的建立和推广提供科学依据系统。
研究概览
详细说明
- 胶质瘤分子影像多模态图像识别系统是利用影像学手段,在组织水平、细胞水平、亚细胞水平显示特定分子,反映活体状态下分子水平的变化,对生物分子进行定性和定量研究。成像方面的行为。 多模式图像识别系统包括正电子发射计算机断层扫描 (PET)、磁共振成像 (MRI) 和磁共振氢质子光谱 (1H-MRS)。 1H-MRS通过量化谱图中的胆碱(Cho)和肌酸(Cr)、N-乙酰天门冬氨酸(NAA)、定性(Lip)和乳酸(Lac)等物质来反映细胞代谢物的变化,进而推测肿瘤的发生和发展。 通过正电子发射断层扫描 (PET) 对葡萄糖类似物 18F 标记的氟脱氧葡萄糖 (18FDG) 进行成像是评估体内脑葡萄糖代谢的金标准。 然而,单一的成像方法往往具有局限性,难以同时满足灵敏度、特异性和靶标的要求。 将PET/CT与1H-MRS等新一代成像技术相结合,可以克服单一成像方法的不足,实现优势互补,提供有效信息
- 参与者的风险和收益 (1) 风险:除了收集上述信息外,主要的风险是谈话过程中可能出现的不适。 由于本研究不干预常规诊疗,除治疗过程中预期可能出现的上述不适和不良反应外,不存在其他特殊风险。 (2) 好处:没有直接的好处,但可能为疾病研究提供有用的信息。
- 统计方法 所有数据(临床数据、影像数据)将建立在一个专门的数据库中。 为了控制形成人群中众多不同混杂因素的不平衡,测试将采用倾向评分法来达到控制混杂的目的,提高真实世界证据的质量,接近随机化的效果。
- 中止试验和结束临床试验的标准
1.中止试验的标准研究者判断继续试验对患者不利;研究过程中,患者不愿继续临床研究,向主管医生提出退出申请,要求取消知情同意。
2.临床研究终止标准:如研究过程中出现严重安全性问题,应及时终止研究;研究结束后伦理委员会要求终止试验;因故被卫生行政部门责令终止临床研究的;研究方案的设计或实施出现重大偏差,结果难以评价。
五、受试者编码、病例报告保存程序、数据管理及试验信度保证
- 受试者签署知情同意书后进入队列后,由研究秘书根据签署知情同意书的时间排序并分配编号。 因此,第一个登记的患者编码为 001。
- 患者的病例报告表将制作成专门的患者手册,由研究秘书和临床人员保存,用于数据收集和随访。 试验过程中的任何观察和检查结果均应及时、准确、完整、清晰、规范、真实地录入表格和数据库。 课题跟进结束后,交接并进行数据收集与分析。 受试者的影像数据将由研究秘书定期上传至基于集群的智能IT虚拟存储系统。 系统将神经外科和受试者划分到特定的存储分区中。
- 每个研究者都有权查阅和修改受试者的存储分区。 存储系统自动记录存储数据的变化,保证数据的可追溯性。 研究者应同意保留所有研究资料(包括原始记录、所有患者的知情同意书、所有病例报告表等),专柜锁存至试验结束后5年。
6. 安全
- 严重不良事件:死亡;医务人员相信有生命危险的东西;需要住院或延长住院时间的事件;持续或严重的残疾或残疾。
- 报告方式和措施 发生上述不良事件后,医务人员应首先向主要研究者报告并填写不良事件报告表。 不良反应报告包括患者的诊断和治疗、事件发生的时间、事件的原因和事件后的处理。 发生严重不良事件后及时诊治,并在24小时内向伦理委员会报告。 按照伦理委员会的要求定期报告。
七、道德要求
- 遵循赫尔辛基宣言。
- 招募及知情过程:主要研究者及其团队成员在门诊或病房招募受试者,详细告知研究内容及相关事项,并在入组前阅读并签署知情同意书。
- 所有试验将在获得山东省千佛山医院伦理委员会批准并进行后续审查后进行。
研究类型
观察性的
注册 (预期的)
350
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 至 70年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
山东省千佛山医院门诊病人
描述
纳入标准:
- 经术后病理证实的胶质瘤患者;
- 病灶呈非弥漫性,瘤体、水肿与周围正常组织界限清楚;
- 给予知情同意和遵循研究程序的能力。
排除标准:
- 既往接受过神经胶质瘤治疗的患者;
- 缺乏临床和影像数据或数据不能满足研究需要;
- 严重的心功能不全:急性失代偿性心力衰竭和/或慢性心力衰竭功能等级 III 或 IV(纽约心脏协会分类);
- 半途而废的患者
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 |
|---|---|
|
胶质瘤分子亚型:G-CIMP-low
根据神经胶质瘤的基因表达、DNA 拷贝数、DNA 甲基化、外显子组测序和蛋白质表达的分子亚型之一
|
使用成像方法获取代谢参数。
|
|
胶质瘤分子亚型:G-CIMP-high
根据神经胶质瘤的基因表达、DNA 拷贝数、DNA 甲基化、外显子组测序和蛋白质表达的分子亚型之一
|
使用成像方法获取代谢参数。
|
|
胶质瘤分子亚型:codel
根据神经胶质瘤的基因表达、DNA 拷贝数、DNA 甲基化、外显子组测序和蛋白质表达的分子亚型之一
|
使用成像方法获取代谢参数。
|
|
胶质瘤分子亚型:经典样
根据神经胶质瘤的基因表达、DNA 拷贝数、DNA 甲基化、外显子组测序和蛋白质表达的分子亚型之一
|
使用成像方法获取代谢参数。
|
|
胶质瘤分子亚型:间充质样
根据神经胶质瘤的基因表达、DNA 拷贝数、DNA 甲基化、外显子组测序和蛋白质表达的分子亚型之一
|
使用成像方法获取代谢参数。
|
|
胶质瘤分子亚型:LGM6-GBM
根据神经胶质瘤的基因表达、DNA 拷贝数、DNA 甲基化、外显子组测序和蛋白质表达的分子亚型之一
|
使用成像方法获取代谢参数。
|
|
胶质瘤分子亚型:PA样
根据神经胶质瘤的基因表达、DNA 拷贝数、DNA 甲基化、外显子组测序和蛋白质表达的分子亚型之一
|
使用成像方法获取代谢参数。
|
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 |
|---|---|---|
|
多模态图像识别系统数据
大体时间:一周
|
|
一周
|
|
弥漫性胶质瘤中的分子亚群
大体时间:五个月
|
(1) G-CIMP-低; (2) G-CIMP-高; (3) 代号; (4) 古典风格; (5)间充质样; (6) LGM6-GBM; (7) 类 PA
|
五个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
总生存期
大体时间:两年
|
胶质瘤患者的总生存期
|
两年
|
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。
赞助
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Chen W, Zheng R, Baade PD, Zhang S, Zeng H, Bray F, Jemal A, Yu XQ, He J. Cancer statistics in China, 2015. CA Cancer J Clin. 2016 Mar-Apr;66(2):115-32. doi: 10.3322/caac.21338. Epub 2016 Jan 25.
- Ceccarelli M, Barthel FP, Malta TM, Sabedot TS, Salama SR, Murray BA, Morozova O, Newton Y, Radenbaugh A, Pagnotta SM, Anjum S, Wang J, Manyam G, Zoppoli P, Ling S, Rao AA, Grifford M, Cherniack AD, Zhang H, Poisson L, Carlotti CG Jr, Tirapelli DP, Rao A, Mikkelsen T, Lau CC, Yung WK, Rabadan R, Huse J, Brat DJ, Lehman NL, Barnholtz-Sloan JS, Zheng S, Hess K, Rao G, Meyerson M, Beroukhim R, Cooper L, Akbani R, Wrensch M, Haussler D, Aldape KD, Laird PW, Gutmann DH; TCGA Research Network, Noushmehr H, Iavarone A, Verhaak RG. Molecular Profiling Reveals Biologically Discrete Subsets and Pathways of Progression in Diffuse Glioma. Cell. 2016 Jan 28;164(3):550-63. doi: 10.1016/j.cell.2015.12.028.
- Chaumeil MM, Lupo JM, Ronen SM. Magnetic Resonance (MR) Metabolic Imaging in Glioma. Brain Pathol. 2015 Nov;25(6):769-80. doi: 10.1111/bpa.12310.
- la Fougere C, Suchorska B, Bartenstein P, Kreth FW, Tonn JC. Molecular imaging of gliomas with PET: opportunities and limitations. Neuro Oncol. 2011 Aug;13(8):806-19. doi: 10.1093/neuonc/nor054. Epub 2011 Jul 13.
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 (预期的)
2021年12月30日
初级完成 (预期的)
2022年8月30日
研究完成 (预期的)
2022年12月30日
研究注册日期
首次提交
2020年5月25日
首先提交符合 QC 标准的
2020年5月25日
首次发布 (实际的)
2020年5月29日
研究记录更新
最后更新发布 (实际的)
2021年9月9日
上次提交的符合 QC 标准的更新
2021年9月7日
最后验证
2021年9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.