基于机器学习的BCIG影像基因组学临床研究
基于机器学习的影像基因组学用于乳腺癌分子分型和风险预测（BCIG）的临床研究
- 识别不同分子类型乳腺癌的影像学特征
- 揭示激素受体阳性/HER2 阴性乳腺癌与影像组织学、Oncotype Dx 复发评分之间的关联
- 结合基因组学和影像学建立 HER2 阳性乳腺癌靶向治疗敏感性的预测模型
- 建立三阴性乳腺癌分子亚型影像基因组学预测模型，明确各亚型治疗靶点的影像基因组学特征
研究概览
详细说明
研究设计
- 基于影像学特征的乳腺癌分子分型研究
- 建立Luminal乳腺癌复发风险预测模型
- 建立HER2靶向治疗敏感性预测模型
- 建立TNBC分子亚型预测模型 研究方法 研究对象 本研究采用多中心研究的方式前瞻性纳入经病理诊断的乳腺癌患者。 所有入组患者均具有完整的临床资料，包括人口学特征（性别、年龄、月经状况和生育史）和病理资料（组织病理学资料）。 分期、免疫组化状态和FISH、基因检测记录复发评分和基因型）、影像学资料、完成治疗和随访（是否有局部复发和转移、确诊时间）。
磁共振检查 为了保持图像间的可比性，减少系统误差，各中心选择固定的磁共振设备进行扫描。 其中，一个。肿瘤医院选择用3.0T（Siemens Skyra）MR设备扫描图像。 采用专用乳腺线圈，在动态增强扫描前增加高清弥散加权扫描和多b值弥散加权扫描。 5 个阶段的动态增强采集，时间分辨率为 65 秒。 b. 仁济医院采用荷兰飞利浦Achieva 3.0T超导MR扫描仪，4通道乳腺专用相控阵线圈。 扫描序列包括T1WI、T2WI、T2WI脂肪抑制、DWI和DCE-MRI。 造影剂为Gd-DTPA，剂量为0.1 mmol/kg，注射速度为2.0 mL/s，注射后在管内追加生理盐水20 mL。 先行T1WI扫描，注入造影剂后连续扫描5个时相，每个时相间隔61 s，共6个时相。 C。 中国妇女和婴儿使用 1.5T SIEMENS AERA MR 设备和特殊乳房线圈进行扫描。 扫描序列包括T1WI、T2WI脂肪抑制、DWI和动态增强扫描5个阶段，时间分辨率71s。
图像处理 用软件对肿瘤感兴趣区进行半自动和自动勾画，在横向位置勾画出肿瘤实性增强部分、整个肿瘤区域和周围水肿区。 为准确勾画肿瘤，对比T1、T2加权动态增强图像，由两名影像医师负责，一人负责勾画，一人审核，有争议的区域经第三人讨论后确定。 创建一个动态增强的肿瘤纹理分析程序，以自动提取感兴趣区域的成像组学特征。 利用标记数据集，构建基于机器学习的计算机自动分割算法模型，自动提取感兴趣区域，并对人工划定的标签进行分割性能评价。
统计分析 对获得的图像和临床数据进行统计分析，提取图像组学特征，并使用机器学习算法筛选重要特征。 使用SPSS、R语言等统计工具。 采用配对t检验（连续变量）和卡方检验（不连续变量）比较不同预后患者的临床及影像学特征；相关性分析评价影像学组织学特征与不同病理组织分级、淋巴结转移与特异性基因表达的相关性；采用Kaplan-Meier生存曲线分析不同影像组学特征患者的预后差异，并采用log-rank法检验差异；使用cox生存模型比较临床特征和影像组学 多因素分析患者的特征和预后（无肿瘤生存期、无进展生存期、总生存期）。 此外，深度学习算法可用于自动学习可能与分子亚型和预后相关的成像组学特征，以建立预测模型。
研究类型
注册 (预期的)
联系人和位置
学习联系方式
- 姓名：Gu Ya Jia
- 电话号码：86-18017317817
- 邮箱：guyajia@126.com
学习地点
-
-
Shanghai
-
Shanghai、Shanghai、中国、200032
- Fudan University Shanghai Cancer Center
-
接触：
- Gu Ya Jia
- 电话号码：86-18017312040
- 邮箱：guyajia@126.com
-
首席研究员：
- Hua jia
-
首席研究员：
- Qian zhaoxia
-
首席研究员：
- Wang he
-
副研究员：
- You chao
-
副研究员：
- Zhuang zhiguo
-
副研究员：
- Jiang ling
-
副研究员：
- Zheng rencheng
-
副研究员：
- Xiao qin
-
副研究员：
- Chen yanqiong
-
副研究员：
- Hu xiaoxin
-
-
参与标准
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
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：
- 活检对乳腺癌的病理学和免疫组化诊断
- 无 MRI 禁忌证，MRI 前无活检
- 入组前无放化疗
排除标准：
- 既往有乳腺癌手术、激素替代治疗和胸部放射治疗史者
- 不能配合检查的重病患者
- 有 MRI 禁忌症的人
- 研究人员认为其他情况不适合进行乳腺MRI检查
学习计划
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
管腔
Luminal A：ER+ and/or PR+,HER2- Luminal B：ER+ and/or PR+,HER2+ * ER：雌激素受体 PR：孕激素受体 HER2：人表皮生长因子受体 2 |
局部手术、放疗，以及化疗、内分泌和分子靶向等全身治疗。
|
|
HER2过表达
ER- PR-,HER2+ * ER：雌激素受体 PR：孕激素受体 HER2：人表皮生长因子受体 2 |
局部手术、放疗，以及化疗、内分泌和分子靶向等全身治疗。
|
|
三阴性
ER- PR-,HER2- * ER：雌激素受体 PR：孕激素受体 HER2：人表皮生长因子受体 2 |
局部手术、放疗，以及化疗、内分泌和分子靶向等全身治疗。
|
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 |
|---|---|---|
|
不同分子分型的图像预测模型
大体时间：2022年12月30日----2023年12月30日
|
|
2022年12月30日----2023年12月30日
|
合作者和调查者
调查人员
- 首席研究员：Gu Ya Jia、Fudan University
研究记录日期
研究主要日期
学习开始 (预期的)
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.