与胶质瘤放化疗敏感性相关的放射基因组学特征研究
MRI数据收集于胶质瘤患者术前、开始放化疗前2周、完成放疗后1个月（对于低级别胶质瘤，LGG）或完成放化疗后4个月和10个月（对于高级别胶质瘤， HG）。 放化疗敏感性标签是根据放化疗前后获得的 MRI 图像，按照 RANO 标准构建的。 从术前 MRI 图像中提取放射组学特征，并结合从肿瘤组织测序获得的转录组信息。 这一过程允许构建能够预测神经胶质瘤对放化疗反应的放射基因组学模型。
在这项前瞻性队列研究中，我们将招募接受开颅手术并接受术后放疗或放化疗（分别为 LGG 和 HGG 病例）的胶质瘤患者。 在相应的时间点采集相同序列的MRI图像，并对手术中获得的肿瘤组织进行转录组测序。 建立的模型将用于预测放化疗敏感性，并与基于RANO标准构建的“真实”放化疗敏感性标签进行比较，以评估模型的预测性能。
研究概览
详细说明
本试验旨在根据统计计算招募100例LGG和100例HGG。 MRI 数据，包括 T1 加权、T2 加权、T1 对比增强和 T2 流体衰减反转恢复 (FLAIR) 序列，将在手术前、开始放化疗前 2 周、完成放疗后 1 个月 (LGG) 收集，或完成放化疗 (HGG) 后 4 个月和 10 个月。
放化疗前后收集的 MRI 图像将用于评估肿瘤体积的变化。 RANO标准将用于确定肿瘤对放化疗的敏感性：完全缓解和部分缓解将被归类为敏感，而疾病稳定和疾病进展将被视为不敏感。
在执行图像预处理和分割后，将使用开源“PyRadiomics”python 包提取放射组学特征。 转录组数据将通过对手术期间收集的肿瘤样本进行RNA测序分析来获得。 选定的放射基因组特征将被纳入预先构建的机器学习模型中，以预测神经胶质瘤对放化疗的敏感性。 将使用分类准确性 (ACC)、受试者工作特征曲线下面积 (AUC)、阳性预测值 (PPV) 和阴性预测值 (NPV) 等指标来评估模型的性能。
研究类型
注册 (估计的)
阶段
- 不适用
联系人和位置
学习联系方式
- 姓名：Tao Jiang, MD and PhD
- 电话号码：+86 10 67021832
- 邮箱：taojiang1964@163.com
研究联系人备份
- 姓名：Yinyan Wang, MD and PhD
- 电话号码：+86 13581698953
- 邮箱：tiantanyinyan@126.com
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、100071
- 招聘中
- Beijing Tiantan Hospital
-
接触：
- Yinyan Wang, MD and PhD
- 电话号码：+86 13581698953
- 邮箱：tiantanyinyan@126.com
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
描述
纳入标准：
- 18岁或以上的患者
- 组织学证实的神经胶质瘤
- 无其他脑肿瘤或既往颅脑手术史
- 无术前放疗或化疗史
- 可用的术前、放疗前（术后）和放疗后磁共振成像 (MRI) 数据
排除标准：
- 不符合任何纳入标准的人
学习计划
研究是如何设计的？
设计细节
- 主要用途：诊断
- 分配：不适用
- 介入模型：单组作业
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
其他：评估神经胶质瘤患者对放化疗的反应
将通过RANO标准和建立的基于放射基因组学的人工智能模型来评估胶质瘤患者对放化疗的反应。
|
使用已建立的基于放射基因组学的人工智能模式预测神经胶质瘤患者的放化疗敏感性
|
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 |
|---|---|---|
|
AI 模型预测放化疗反应的敏感性
大体时间：放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
灵敏度 = TP/(TP+FN)
|
放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
|
AI模型预测放化疗反应的特异性
大体时间：放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
特异性 = TN/(TN+FP)
|
放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
|
受试者工作特征曲线下面积 (AUC)
大体时间：放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
AUC 测量整个 ROC 曲线下方的整个二维面积
|
放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
AI模型预测放化疗反应的准确性
大体时间：放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
放疗敏感性预测AI模型准确率=(TP+TN)/(TP+TN+FP+FN)
|
放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
|
AI模型预测放化疗反应的阳性预测值（PPV）
大体时间：放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
放疗敏感性预测AI模型PPV = [TP/(TP+FP)]*100
|
放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
|
AI模型预测放化疗反应的阴性预测值（NPV）
大体时间：放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
放疗敏感性预测AI模型NPV = [TN/(FN+TN)]*100
|
放疗后1个月（LGG）；放化疗 (HGG) 后 4 个月和 10 个月
|
合作者和调查者
调查人员
- 首席研究员：Yinyan Wang, MD and PhD、Beijing Tiantan Hospital
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
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.