使用成像和临床数据的深度学习分析预测对 PD-1 检查点封锁的反应 (Onc AI)
免疫疗法已经改变了 PD-1 类检查点抑制剂(pembrolizumab 和 nivolumab)的癌症治疗方法,在非小细胞肺癌和黑色素瘤等 IV 期转移性肿瘤中显示出持久的反应。 尽管取得了众多成功,但 PD-1/PD-L1 检查点阻断疗法确实存在许多缺点。
许多预测 PD-1/PD-L1 检查点治疗反应的方法已经过研究,但收效甚微。 最近探索定量成像生物标记物预测对 PD-[L]1 免疫疗法的反应的效用的努力已经显示出希望。 这项回顾性多中心研究的目的是开发一个多组学分类器来预测对突变阴性(EGFR、ALK 和 ROS1)NSCLC 的 PD-1/PD-L1 检查点封锁的反应
研究概览
地位
详细说明
最近的 III 期研究证明了 atezolizumab (PD-L1) 在转移性三阴性乳腺癌 [3] 和小细胞肺癌中的有效性,而 III 期非小细胞肺癌的护理标准已发生变化并取得积极成果在 PACIFIC III 期研究中,化放疗后给予 durvalumab (PD-L1) 显示总生存期显着增加。
低反应率,在大多数疾病中作为单一药物使用时通常在 15% 到 20% 的范围内,全球治疗成本高(美国每年 150,000 美元或更多)和严重的免疫介导的不良事件,特别是当 PD-1 时/PD-L1 抑制剂与 CTLA-4 抑制剂 (ipilimumab) 联合使用。 不可预测的低患者反应率,加上高昂的药物成本和严重的毒性,会给医疗保健系统、第三方支付者和患者带来沉重负担。 显然,随着 PD-[L]1 检查点抑制剂继续获得采用,根据反应可能性对患者进行分层的诊断工具是必要的。
标准护理生物标志物是一种免疫组织化学 (IHC) 测试,可测量肿瘤样本中表达的 PD-L1 蛋白水平。 多项涉及 PD-(L)1 的临床试验通常与其他免疫肿瘤学 (IO) 疗法相结合,正在探索肿瘤突变负荷、肿瘤浸润淋巴细胞和炎性细胞因子的存在。在这种方法中,非侵入性成像扫描可以提供有关患者整个肿瘤负荷的见解和信息,而不是病变子集的样本(由活检或基于血清的测定提供)。 当使用机器学习和人工智能等计算技术进一步分析描绘所有可治疗病变的诊断图像时,可以识别相关的成像生物标志物,从而可以准确地全面评估患者对 PD-[L]1 治疗的反应.
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
-
Nîmes、法国、30900
- Jean-Paul BEREGI
-
-
参与标准
资格标准
适合学习的年龄
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:18 至 100 岁之间的患者 -
排除标准:18 岁以下患者
-
学习计划
研究是如何设计的?
设计细节
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 |
---|---|---|
开发用于预测 PD-1 反应的多组学分类器
大体时间:在一个月内
|
一旦积累了足够的患者数据,成像数据(基线和后续扫描)将被注释(分段)以描绘病灶、淋巴结、周围器官等……
|
在一个月内
|
合作者和调查者
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.