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。

用于筛查结直肠癌的微生物组测试 (NI-GUILTI)

2026年8月11日 更新者:IANIRO GIANLUCA、Fondazione Policlinico Universitario Agostino Gemelli IRCCS

用于筛查结直肠癌的基于肠道微生物的非侵入性诊断工具

结直肠癌(CRC)是全世界最常见的癌症和癌症死亡原因之一。 事实证明,针对平均风险人群的基于人群的筛查计划可以通过癌症的早期发现有效降低结直肠癌的发病率和死亡率。 粪便免疫化学检测 (FIT) 的诊断率仍然不够理想,既漏诊了腺瘤,也漏掉了不必要的结肠镜检查。新型非侵入性生物标志物的鉴定是目前推动该领域大部分支出的研究领域之一。 CRC。大量证据表明肠道微生物组的改变和特定分类群(例如,肠道菌群)的富集。 具核梭杆菌、微小单胞菌等)参与结直肠癌的发病机制。 此外,最近的研究发现了共同的微生物特征,能够重复地区分 CRC 患者和健康对照。

这项观察性研究的目标是开发一种基于肠道微生物组的诊断工具,用于识别参加国家结直肠癌 (CRC) 筛查计划的患者(50-69 岁)以及以下人群中的 CRC 和晚期结直肠腺瘤:参与本研究的所有中心均对 FIT 阳性的结肠镜检查进行筛查,男女均如此。

该研究的主要终点是开发一种基于肠道微生物组的诊断工具,使用统计和机器学习方法,在参与国家 CRC 筛查计划的 24 个月患者中识别 CRC 和晚期结直肠腺瘤

次要终点是:

  • 24 个月时临床和结肠镜检查结果与 FIT 结果的关联
  • 从生态、分类学、系统发育和功能角度对 24 个月时肠道微生物组进行表征
  • 通过统计和机器学习算法,确定微生物组特征与 24 个月临床和结肠镜检查结果之间的关联 在基线时,入组患者将在入组后 2 周内提供粪便样本,并记录人口统计、临床特征和实验室数据。 就临床实践而言,入组患者将在 FIT 阳性后 4 周内安排进行结肠镜检查,并由经验丰富的病理学家根据 WHO 分类和维也纳标准对切除病灶的组织学进行评估。

临床、内窥镜和微生物数据将通过统计和机器学习算法结合起来,以识别与结直肠癌相关的特定微生物生物标志物,并基于评分系统开发新的诊断工具。

该工具将得到验证,其诊断性能将与传统筛查方法进行比较。

研究概览

地位

招聘中

条件

详细说明

结直肠癌 (CRC) 是全球第三大常见癌症和第二大癌症死亡原因,2020 年将有近 200 万新发病例和 100 万人死亡。 在过去的几十年里,针对平均风险人群的基于人群的筛查计划已成为通过早期发现癌症来降低结直肠癌发病率和死亡率的有效策略。 粪便免疫化学检测(FIT)是大多数国家的参考诊断工具,但其诊断率仍然不理想,既漏诊了腺瘤,也漏诊了不必要的结肠镜检查。 由于这些原因,近年来,新型、非侵入性生物标志物的鉴定在结直肠癌领域绝对是提倡的。 大量证据表明肠道微生物组的改变和特定分类群的富集(例如, 具核梭杆菌、微小单胞菌等)参与结直肠癌的发病机制。 此外,最近的研究,包括我们小组的宏基因组荟萃分析,发现了能够重复地区分 CRC 患者和健康对照的常见微生物特征。 基于这一证据,国际指南最近提倡在临床实践中利用基于微生物组的生物标志物来筛查结直肠癌,但迄今为止尚无此类研究。

主要目标是开发一种基于肠道微生物组的诊断工具,用于识别 CRC 和晚期结直肠腺瘤。

次要目标是:

  • 将 FIT 与临床和结肠镜检查结果联系起来
  • 表征入组患者的肠道微生物组
  • 将微生物组特征与临床和结肠镜检查结果相关联

这是一项观察性前瞻性多中心研究,患者将从参加国家结直肠癌 (CRC) 筛查计划的患者中选择,并从参与本研究的所有中心进行结肠镜检查筛查的患者中选择。

符合所有纳入标准且不符合任何排除标准(详见本网站特定部分)的患者将被考虑参加本研究。 总共 n=1006 名受试者将被纳入。 更具体地说,根据样本量计算,将招募 838 名患者,并覆盖 10% 的退出风险。 此外,还将招募另外 168 名患者(占总数的 20%)作为内部验证集,对已确定的生物标志物进行严格验证(验证队列)。 纳入该验证队列的患者将具有与其他患者相同的排除和纳入标准,并将接受相同的研究程序。

在基线时,所有入组患者将在入组后 2 周内提供粪便样本(使用缓冲液收集以保存基因组),并将其存储在每个临床中心的 -80°C 下,并分配去识别化的 ID。

此外,还将记录人口统计、临床特征和实验室数据。

对于所有入组患者,临床医生将记录以下数据:

-熟悉CRC病史; -合并症; -药物摄入量; -胃肠道(GI)和警报症状(缺铁性贫血、便血、不明原因的体重减轻、腹痛、排便习惯突然改变); -饮食习惯; -吸烟和饮酒; -体重指数; -定量FIT数据; -有关之前 FIT 和/或结肠镜检查和/或虚拟结肠镜检查的信息

所有入组患者将在 FIT 呈阳性后 4 周内接受结肠镜检查,并根据结肠镜检查内窥镜特征(基于巴黎分级的大小、部位、形状)进行检查。 并收集检测到的病变的组织病理学特征。

晚期结直肠腺瘤将被定义为大于或等于10毫米的腺瘤,和/或绒毛成分大于或等于25%,和/或高度不典型增生。

此外,诊断为结直肠癌的患者还将接受全身CT扫描以对疾病进行分期,并在临床实践中转入肿瘤学路径,并收集以下数据:是否存在淋巴结转移和器官转移, TNM 类。

报名阶段将持续20个月。

在入组阶段结束时,研究人员将进行微生物组分析,研究人员将通过统计和机器学习算法结合临床、内窥镜和微生物数据,识别与 CRC 和晚期结直肠腺瘤相关的特定微生物生物标志物,开发一种新的基于评分系统的诊断工具。 分析阶段将持续4个月。

研究成果在本网站的特定部分中有详细说明。

微生物组分析将通过鸟枪测序技术进行。 此外,为了获得一组主要与结直肠癌和晚期结直肠腺瘤相关的微生物物种,研究人员将利用机器学习应用程序,例如使用广泛采用的随机森林算法,以及将我们的大型队列与之前发表的研究相结合的荟萃分析方法宏基因组队列。 主要与 CRC 和晚期结直肠腺瘤相关的一组明确的微生物物种将根据微生物组特征提供全面的风险评分,有两个具体目标,即提高 FIT 诊断工具的准确性测试并易于临床医生解释。

所有收集到的临床数据将进行统计组合,以按照从最相关到​​最不相关的顺序对微生物特征进行排序。 这些排名将用于评估新个体的微生物组概况,并报告在前一组中发现了多少特定物种,从而与结直肠癌和晚期结直肠腺瘤相关。 将通过稳健的统计分析方法(例如部分相关或线性模型)来估计已识别物种和感兴趣的制造者之间的关联。 然后,将对同一物种的标记之间的关联进行排序和比较,为每个物种给出优先级分数。 将特别注意识别已知与微生物组组成差异相关的潜在混杂标记,例如年龄,而应将其用作统计模型中的协变量。 除了统计建模之外,物种和标记之间的关联也将通过机器学习方法进行评估,特别是那些为输入特征(在我们的例子中为物种)提供特征重要性分数的方法,这些方法可用于对不同标记上的物种进行排名(例如 随机森林、LASSO 等)。

连续变量将报告为平均值±标准差或中位数和四分位数范围(IQR),分类变量总结为频率和百分比。 变量的比较将酌情通过 t 检验(或 Mann-Whitney/Kruskal-Wallis)、卡方检验或 Fisher 精确检验进行。 p 值 <0.05 将被视为表示统计显着性。 将执行逻辑回归模型来识别与结果独立相关的变量的存在。 模型中考虑的变量是通过逐步模型选择来选择的,并以临床相关性为指导。 所有统计分析均使用 Macintosh 版 SPSS v. 28.0(SPSS Inc.,芝加哥,美国)进行。 研究人员将采用基于 scikit-learn Python 包的机器学习 (ML) 框架,使用交叉验证方法,进行 100 次引导迭代,并以 80/20 随机分为训练和测试部分。 分类和回归机器学习算法将针对微生物组物种级别的分类学相对丰度和功能潜力概况进行训练。 物种级分类丰度将由 MetaPhlAn 4(使用最新的可用数据库,目前名为 Oct22)进行估计,并使用成分数据的 arcsin-sqrt 变换进行标准化。 将使用最新的 HUMAnN 4 版本来估计功能潜力概况,研究人员将考虑单个微生物基因家族和代谢途径的丰度估计。 将使用 Spearman 指数计算物种和标记之间的部分相关性,以避免异常值造成的偏差,并针对已知对微生物组组成有影响的协变量(例如性别、年龄和体重指数)进行校正。 将使用 Benjamini-Hochberg 程序来校正错误发现率的偏相关值。

研究类型

观察性的

注册 (估计的)

1006

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。

学习联系方式

研究联系人备份

学习地点

      • Roma、意大利、00168
        • 招聘中
        • Fondazione Policlinico Agostino Gemelli, IRCCS
        • 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

参与者将从参加国家结直肠癌(CRC)筛查计划的人员以及参与本研究的所有中心进行结肠镜检查的人员中选出。

本研究将考虑符合所有纳入标准且不符合任何排除标准的患者。 总共 n=1006 名受试者将被纳入。 更具体地说,根据样本量计算,将招募 838 名患者,并覆盖 10% 的退出风险。 此外,还将招募另外 168 名患者(占总数的 20%)作为内部验证集,对已识别的生物标志物进行严格验证。 纳入该验证队列的患者将具有与其他患者相同的排除和纳入标准,并将接受相同的研究程序。

描述

纳入标准:

  • 参加国家CRC筛查项目的患者(50-69岁)
  • 对 FIT 的积极态度;
  • 能够提供书面知情同意书并遵守研究程序

排除标准:

  • 不适合进行结肠镜检查的患者;
  • 其他肿瘤病症;
  • 伴有严重合并症或胃肠道 (GI) 器质性疾病(例如 憩室病、炎症性肠病);
  • 入组前4周内使用过抗生素或益生菌;
  • 使用质子泵抑制剂进行慢性治疗(>12 周)。

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

队列和干预

团体/队列
干预/治疗
Study cohort consists of patients enrolled in the national colorectal cancer (CRC) screening program

Participants will be selected among those enrolled in the national colorectal cancer (CRC) screening program and among who refer to all centers involved in this study for screening colonoscopy. Patients with all inclusion criteria and none of the exclusion criteria will be considered for this study. A total of n = 612 subjects will be enrolled. More specifically, 502 patients will be enrolled based on the updated sample size calculation. An additional 10 patients will be enrolled to account for a potential 2% dropout rate, as observed during the study conduct.

Moreover, an independent validation cohort of 100 patients (approximately 20% of the main study cohort) will be enrolled to allow rigorous internal validation of the identified biomarkers and diagnostic models. Patients enrolled in the validation cohort will meet the same inclusion and exclusion criteria as the main study population and will undergo the same study procedures.

肠道微生物组测试用于表征患者肠道微生物组的特征

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
Gut microbiome-based diagnostic tool for CRC and advanced colorectal adenomas detection
大体时间:30 months
The development of a gut microbiome-based diagnostic tool for the identification of CRC and advanced colorectal adenomas in patients involved in the national CRC screening program, using both statistical and machine learning approaches
30 months

次要结果测量

结果测量
措施说明
大体时间
Association between clinical and endoscopic outcomes with FIT
大体时间:30 months
The association of clinical and colonoscopy outcomes with fecal immunochemical testing results.
30 months
Microbiome characteristics of fecal samples
大体时间:30 months
The characterization of gut microbiome from an ecological, taxonomic, phylogenetic and functional point of view
30 months
Association between microbiome signatures with clinical and endoscopic outcomes
大体时间:30 months
The association between microbiome signatures with clinical and colonoscopy outcomes, through statistical and machine-learning algorithms
30 months

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。

调查人员

  • 首席研究员:Gianluca Ianiro, MD, PhD、Fondazione Policlinico Agostino Gemelli IRCCS

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

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11月29日

初级完成 (估计的)

2027年2月28日

研究完成 (估计的)

2027年2月28日

研究注册日期

首次提交

2024年9月5日

首先提交符合 QC 标准的

2024年9月5日

首次发布 (实际的)

2024年9月19日

研究记录更新

最后更新发布 (实际的)

2026年8月13日

上次提交的符合 QC 标准的更新

2026年8月11日

最后验证

2026年8月1日

更多信息

与本研究相关的术语

其他研究编号

  • 6902
  • PNRR-POC-2023-12377319 (其他赠款/资助编号:Italian Health Minister)

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

是的

IPD 计划说明

患者的个人数据将被共享

IPD 共享时间框架

研究完成后,数据将持续 5 年

IPD 共享访问标准

将根据 PI 的合理要求提供数据

IPD 共享支持信息类型

  • 研究方案
  • 树液

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