表型肝癌登记处 (PHELICAR)
大规模临床数据登记 (CDR) 可准确识别特定肿瘤表型,以更好地诊断和预测 HCC 患者的预后
研究概览
详细说明
该研究将通过两个不同的阶段推进。
- 第一阶段有两个主要阶段:第一阶段将根据 iBiopsy 表型分析平台识别独特的肿瘤表型,该平台提取与每个个体表型相对应的基于图像的特征,并将评估 iBiopsy 平台的分析/技术性能。 拟议的设计将填补图像采集的不同条件下分析读出的特征和相同分析条件下的重复变异性方面的差距。 一旦确定了一组合适的肿瘤表型,它们将进入表征阶段。 这将通过评估初始代表性特定数据集(例如 数百名患者)进行训练(发现)和验证(测试稳健性)。 第二阶段将完成上述表型的初步生物学/临床验证,用于诊断和疾病分型。 这包括调查大型数据集(例如 数千名患者)CDR 用于训练和验证,使用组织病理学数据作为参考标准,并使用基于 AI 的学习方法优化成像特征。
- 第二阶段也有两个阶段。 第 2 阶段的第一阶段是严格验证从第 1 阶段出现的用于诊断 HCC 受试者的候选表型。 第 2 阶段的第二阶段是验证这些选定的候选表型以预测结果。 这些严格的验证包括使用 HCC 患者的大 CDR(后期生物学/临床验证)。
传统的医学图像检索系统,例如图片存档系统 (PACS),使用结构化数据(元数据)或非结构化文本注释(医师报告)来检索图像。 但是图像的内容不能完全用文字来描述,而且每个人对图像的理解也不尽相同,因此基于文本的图像检索系统无法满足海量图像检索的需求。 为了应对这些限制,开发了使用从图像中提取的视觉特征代替关键字的 CBIR 系统。 这些 CBIR 的一个重要且有用的结果是有可能弥合语义鸿沟,允许用户搜索图像存储库以获取高级图像特征,从而允许将直接从查询医学图像中提取的基于图像的表型特征与索引的表型特征相匹配在注册表中。
Median Technologies CBIR 系统使用获得专利的算法和流程来解码图像,方法是从整个图像中计算出的数万个 3D 图像块中自动提取数百个成像特征以及高度紧凑的签名,而无需任何事先分割。 除了可以与组织病理学、基因组和血浆谱相关联的详细表型谱外,该系统还为每个图块生成一个独特的签名,提供相应组织“基于图像的表型”的指纹。 使用大规模并行计算方法,从目标图像中提取成像生物标志物和表型特征,然后将其组织成相似特征的簇,并为实时搜索和无模式 (NoSQL) 数据库中的检索建立索引。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Ile De France
-
Paris、Ile De France、法国、75013
- Assistance Publique - Hôpitaux de Paris (AP-HP) Groupe Hospitalier La Pitié-Salpêtrière
-
-
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:
患有视觉肝病的患者:
- 通过组织学确认(手术切除、活检、移植)在 CT 扫描/MRI 上显示病灶。
- 在活检、手术或移植干预之前的 6 个月内进行过 CT 扫描/MRI。
排除标准:
- 在手术干预前 6 个月以上进行 CT 扫描/MRI 检查的患者
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 |
---|---|
肝细胞癌患者
表型特征数据库构建 图像特征提取与聚类
|
基于局部内容的图像特征提取所需的图像处理操作包括两个主要任务:1)将图像平铺在较小的 VOI 中,通常是一个小立方体,其大小取决于模态、图像分辨率和图像的目的基于内容的查询,以及 2) 对 VOI 执行特征提取操作。 特征提取引擎执行完全无监督、自动和异步的图像特征提取,根据独特的相似性度量在非 SQL 数据库中组织和索引它们。 这一阶段的结果是一系列表型特征簇。
由于簇是自组织的,因此它们的病理生理学意义并不明显,需要进一步分析。
通过分析代表性样本及其各自与组织病理学结果的相关性来对每个簇进行表征。
经过一系列迭代后,这些簇被组织起来与通过其特征相似性识别的不同组织亚型相关联。
聚类的最终数量先验未知,取决于基础成像表型的异质性。
|
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 |
---|---|---|
特定的肿瘤表型
大体时间:2年
|
准确识别特定的肿瘤表型,以更好地诊断和预测肝细胞癌患者的预后
|
2年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
肝细胞癌的检测和表征
大体时间:2年
|
提供一种或多种适用于目的的基于非侵入性成像的方法,以评估临床实践中肝细胞癌的存在、活动和类型
|
2年
|
重复性和再现性
大体时间:2年
|
通过重复性和再现性研究测试表型稳健性
|
2年
|
成像表型鉴定
大体时间:2年
|
: 根据潜在的病理生理学和临床结果对成像表型进行鉴定
|
2年
|
小病灶检测和表征
大体时间:2年
|
描述:提供一种或多种适用于目的的基于非侵入性成像的方法来检测和表征小病变 (< 2cm) (AUC 0.8)
|
2年
|
合作者和调查者
调查人员
- 首席研究员:Olivier Lucidarme, MD、Assitance Publique - Hôpitaux de Paris
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
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.