此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

机器学习驱动的转录组液体活检无创筛查用于局部晚期胃癌隐匿性腹膜转移的早期诊断

2024年6月22日 更新者:Qun Zhao

简要摘要:机器学习驱动的转录组液体活检无创筛查用于局部晚期胃癌隐匿性腹膜转移的早期诊断

胃癌,俗称胃癌,是世界范围内的一个重大健康问题,尤其是当它进展到晚期时。 治疗局部晚期胃癌 (LAGC) 的主要挑战之一是检测隐匿性(隐藏的)腹膜转移。 这些转移瘤是扩散到腹膜(腹腔内壁)的癌细胞,但使用标准成像技术或在手术过程中不易检测到。 及早准确地检测这些隐藏的转移灶可以显着改善患者的治疗策略和结果。

这项临床研究探索了一种利用机器学习 (ML) 技术和液体活检来解决这一问题的创新方法。 液体活检是一种非侵入性方法,涉及分析血液样本以检测与癌症相关的生物标志物,例如循环肿瘤 DNA 或 RNA。 这项研究特别关注液体活检的转录组学,即通过分析 RNA 分子来了解与癌症相关的基因表达谱。

假设

这项研究的假设是机器学习算法可以有效地分析液体活检的转录组学数据,以检测局部晚期胃癌患者的隐匿性腹膜转移。 通过这样做,该方法可以提供对转移灶的无创、准确和早期诊断,而通过传统方法很难识别转移灶。

学习规划

  1. 参与者:该研究将招募诊断为局部晚期胃癌的患者。 这些患者将接受标准的诊断和分期程序,以确认他们的癌症阶段和整体健康状况。
  2. 样本采集:将从参与者治疗过程的各个阶段采集血液样本。 这些样本将被处理以提取 RNA,然后对其进行分析以获得转录组数据。
  3. 机器学习分析:将采用先进的机器学习算法来分析液体活检的转录组数据。 这些算法将被训练来识别与隐匿性腹膜转移相关的模式和标记。 将使用收集到的数据子集不断完善和验证模型,以确保准确性和可靠性。
  4. 与传统方法的比较:机器学习分析的结果将与传统诊断方法(例如影像学和手术检查)的结果进行比较,以评估机器学习驱动方法的有效性。
  5. 结果指标:主要结果指标是机器学习模型与传统方法相比在检测隐匿性腹膜转移瘤方面的准确性。 次要指标将包括早期检测对治疗决策、患者结果和总体生存率的影响。

意义

早期、准确地检测局部晚期胃癌的隐匿性腹膜转移对于有效的治疗计划至关重要。 传统的诊断方法通常无法识别这些隐藏的转移,直到它们出现进展为止,从而限制了治疗选择并对患者预后产生不利影响。 通过利用机器学习技术分析液体活检的转录组学数据,本研究旨在开发一种无创且可靠的筛查工具,可以在早期阶段检测这些转移。

这种进步可能带来多种好处,包括:

  • 改进的治疗计划:早期检测可以制定更有针对性和更有效的治疗策略,必要时可能包括更积极的治疗或手术干预。
  • 更好的患者结果:通过更早、更准确的诊断,患者有更高的机会接受及时和适当的治疗,从而提高生存率和生活质量。
  • 无创筛查:液体活检比传统活检方法侵入性更小,减轻了患者的身体和心理负担。
  • 成本效益:早期发现和治疗可以避免在疾病后期需要更广泛和更昂贵的治疗,从而潜在地降低总体护理成本。

结论

这项临床研究代表着在对抗胃癌方面向前迈出了有希望的一步。 通过将机器学习与无创液体活检技术相结合,旨在为早期检测隐匿性腹膜转移提供新工具,最终改善局部晚期胃癌患者的预后。 这项研究的成功可能为机器学习在癌症诊断和个性化医疗中的更广泛应用铺平道路。

研究概览

研究类型

观察性的

注册 (估计的)

300

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习地点

    • Hebei
      • Shijiazhuang、Hebei、中国、050011
        • 招聘中
        • Department of General Surgery
        • 首席研究员:
          • Qun Zhao, Doctor
        • 接触:

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

  • 成人
  • 年长者

接受健康志愿者

不

取样方法

非概率样本

研究人群

研究人群将包括诊断为局部晚期胃癌(LAGC)的患者。 选择这一特定患者组是因为他们正处于关键阶段,早期发现隐匿性腹膜转移可显着影响治疗计划和结果。

描述

纳入标准:

局部晚期胃癌 (LAGC) 的诊断:患者必须通过影像学和组织病理学检查等标准诊断程序确诊为局部晚期胃癌。

年龄:参与者必须是年满 18 岁的成年人。 同意:患者必须能够提供知情同意才能参与研究。

足够的器官功能:参与者应具有根据特定实验室标准定义的足够的骨髓、肝脏和肾脏功能(例如,特定水平的血红蛋白、血小板计数、肝酶和肌酐清除率)。

表现状态:患者的东部肿瘤合作组 (ECOG) 表现状态应为 0 至 2,表明他们完全活跃,剧烈体力活动受到限制但可以走动,或者能够进行所有自我护理,但无法进行任何工作活动。

提供血液样本的意愿:参与者必须愿意在整个研究过程中的指定时间点提供血液样本。

既往治疗:如果研究方案确定有足够的清除期,则可以包括先前接受过胃癌治疗(例如化疗、放疗或手术)的患者。

排除标准:

  • 远处转移:确诊远处转移(腹膜以外)的患者被排除在外。

其他恶性肿瘤:过去五年内有其他恶性肿瘤病史的个体,经过充分治疗的基底细胞或鳞状细胞皮肤癌或宫颈原位癌除外。

严重合并症:患有严重或不受控制的合并症的患者,例如严重的心血管疾病、不受控制的糖尿病、严重感染或可能干扰研究参与或结果的其他病症。

怀孕和哺乳期:由于对胎儿或婴儿存在潜在风险,孕妇或哺乳期妇女被排除在外。

免疫功能低下状态:免疫功能低下的患者,例如艾滋病毒/艾滋病患者或正在接受免疫抑制治疗的患者。

同时参加其他临床试验:目前正在参加另一项临床试验的个人,该试验可能会干扰本研究的程序或结果。

对研究材料过敏:已知对用于液体活检处理和分析的研究材料的任何成分过敏的患者。

不遵守规定:被认为无法或不愿意遵守研究程序和后续要求的个人。

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

研究衡量的是什么?

主要结果指标

结果测量
大体时间
腹膜转移
大体时间:2025-12-31
2025-12-31

次要结果测量

结果测量
大体时间
腹膜游离癌细胞
大体时间:2025-12-31
2025-12-31

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

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 (实际的)

2024年1月30日

初级完成 (估计的)

2025年12月31日

研究完成 (估计的)

2025年12月31日

研究注册日期

首次提交

2024年6月22日

首先提交符合 QC 标准的

2024年6月22日

首次发布 (实际的)

2024年6月27日

研究记录更新

最后更新发布 (实际的)

2024年6月27日

上次提交的符合 QC 标准的更新

2024年6月22日

最后验证

2024年6月1日

更多信息

与本研究相关的术语

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅