一项基于深度学习cfDNA片段组学的单臂、前瞻性、多中心队列研究，旨在验证TuFEst模型对乳腺癌病灶及淋巴结分期诊断的效果 (PRO-TuFEst-LN)
一项基于深度学习cfDNA片段组学的单臂、前瞻性、多中心队列研究，用于验证TuFEst模型在乳腺癌病灶及淋巴结分期诊断中的应用
通过本项目的研究，我们期望实现基于深度学习的cfDNA片段组学液体活检技术，验证TuFEst模型在预测新诊断乳腺癌患者及接受新辅助治疗患者乳腺癌病灶和淋巴结肿瘤负荷状态方面的准确性，并为未来大规模临床应用提供理论依据
研究概览
详细说明
- 基于先前建立的TuFEst模型，利用基于深度学习的cfDNA片段组学液体活检技术预测乳腺癌病灶和淋巴结的肿瘤负荷状态，从而提高乳腺癌早期诊断的准确性：本研究将收集和分析不同阶段乳腺癌患者的血液样本，并使用基于深度学习的cfDNA片段组学液体活检技术提取肿瘤相关cfDNA片段，构建cfDNA片段组学特征库。 基于TuFEst模型进行预测。 然后，根据预测结果与实际的乳腺癌病灶和淋巴结肿瘤负荷状态进行准确性匹配和评估。 验证TuFEst模型在乳腺癌分期诊断中的效能。
- 评估TuFEst模型的敏感性、特异性、准确性和可重复性，以确定其在临床应用中的可靠性：本研究将在前期回顾性队列的基础上，收集更多乳腺癌患者的血液样本，以评估模型在更大样本前瞻性队列中的性能。 本研究还将探索该技术在乳腺癌新辅助治疗监测中的应用，具体评估其在治疗后乳腺癌分期诊断、治疗效果预测和肿瘤复发监测中的应用。
研究类型
观察性的
注册 (估计的)
400
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
- 姓名：Chao Ni
- 电话号码：+8613989463951
- 邮箱：drnichao@zju.edu.cn
学习地点
-
-
Zhejiang
-
Hangzhou、Zhejiang、中国
- 招聘中
- Second affiliated hospital of Medical school, Zhejiang university
-
接触：
- Yao Dr
- 电话号码：+8613989463951
- 邮箱：drnichao@zju.edu.cn
-
-
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
自伦理批准之日起至2027年12月31日期间，在浙江大学医学院附属第二医院（其他中心）接受过治疗的患者
描述
纳入标准：
- 患者年龄18至70岁；
- 直接手术组（队列1）：未接受新辅助治疗即进行根治性手术；
- 新辅助治疗组（队列2）：初始诊断为浸润性乳腺癌并确诊腋窝淋巴结转移，且患者愿意在治疗结束后接受根治性手术；
- 可获得患者治疗期间的血液样本；
- 愿意签署知情同意书。
排除标准：
- 怀孕或哺乳期；
- 病灶已切除的患者；
- 入组前5年内经病理确诊患有其他类型恶性肿瘤；
- 入组前1年内，影像学怀疑存在其他恶性肿瘤但未经病理证实；
- 影像学怀疑存在远处转移病灶，或存在无法通过手术完全治愈的潜在淋巴结病变；
- 过去30天内接受过任何血液制品输注治疗。
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 |
|---|---|
|
1
Invasive breast cancer patients with cT1-3N0M0 disease who have received no prior neoadjuvant therapy or radiotherapy and undergo SLNB and/or ALND for axillary evaluation.
A total of 300 participants are planned to be enrolled in Cohort 1
|
无干预：观察队列
|
|
2
Patients with newly diagnosed invasive breast cancer and biopsy-confirmed axillary lymph node metastasis without distant metastasis, who are scheduled to receive standard neoadjuvant systemic therapy followed by breast and axillary surgery .
Patients who complete or prematurely discontinue neoadjuvant therapy for clinical reasons but proceed to surgery are eligible.At least 100 participants are planned to be enrolled in Cohort 2.
|
无干预：观察队列
|
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 |
|---|---|---|
|
Pathological axillary lymph node positivity rate among TuFEst-LN-negative patients
大体时间：up to 2 weeks
|
Defined as the proportion of patients with pathological axillary lymph node positivity (pN1mi or higher) among patients predicted as negative by the locked TuFEst-LN model in Cohort 1. FOR = FN/(TN+FN) = 1-NPV.
|
up to 2 weeks
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
Negative Predictive Value (NPV) of the TuFEst-LN Model
大体时间：2 weeks
|
The proportion of patients with negative pathological axillary lymph node status (pN0 or pN0(i+)) among patients classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Sensitivity and False Negative Rate (FNR) for Detecting Pathological Axillary Lymph Node Positivity
大体时间：2 weeks
|
The ability of the locked TuFEst-LN model to identify patients with pathological axillary lymph node metastasis (pN1mi or higher).
FNR is defined as 1-sensitivity.
|
2 weeks
|
|
Specificity of the TuFEst-LN Model
大体时间：2 weeks
|
The proportion of patients with true pathological node-negative status (pN0 or pN0(i+)) who are correctly classified as negative by the locked TuFEst-LN model.
|
2 weeks
|
|
Positive Predictive Value (PPV), Overall Accuracy, and Discrimination Performance
大体时间：2 weeks
|
Evaluation of the predictive performance of the locked TuFEst-LN model, including PPV, overall accuracy, area under the receiver operating characteristic curve (ROC-AUC), area under the precision-recall curve (PR-AUC), and likelihood ratios.
|
2 weeks
|
|
Proportion of Patients Classified as Negative by the TuFEst-LN Model
大体时间：2 weeks
|
The proportion of evaluable patients in Cohort 1 who are classified as negative by the locked TuFEst-LN model, used to estimate the potential rate of sentinel lymph node biopsy (SLNB) omission.
|
2 weeks
|
|
Calibration and Net Clinical Benefit of the TuFEst-LN Model
大体时间：2 weeks
|
Assessment of model calibration and clinical utility using Brier score, calibration intercept, calibration slope, calibration curve, and decision curve analysis.
|
2 weeks
|
|
Pathological Burden of Missed Positive Cases
大体时间：2 weeks
|
Evaluation of pathological characteristics among false-negative patients, including the number of micrometastatic and macrometastatic lymph node cases, extranodal extension, and other adverse pathological features.
|
2 weeks
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
Predictive Performance of the TuFEst-LN Model for ypN Status
大体时间：2 weeks
|
Using final surgical pathology as the reference standard, the predictive performance of the TuFEst-LN model for post-neoadjuvant pathological axillary lymph node status (ypN) will be evaluated, including area under the receiver operating characteristic curve (ROC-AUC), sensitivity, specificity, negative predictive value (NPV), positive predictive value (PPV), and calibration performance.
|
2 weeks
|
|
Predictive Performance of Preoperative MRI for ypN Status
大体时间：2 weeks
|
Evaluation of the ability of preoperative magnetic resonance imaging (MRI) clinical and quantitative imaging features after neoadjuvant therapy to predict residual pathological axillary lymph node status (ypN0 versus ypN-positive).
|
2 weeks
|
|
Performance of Combined cfDNA Fragmentomics and MRI Model
大体时间：2 weeks
|
Evaluation of the incremental value of integrating TuFEst-LN cfDNA fragmentomic features with MRI-based prediction models by comparing changes in ROC-AUC, Brier score, calibration performance, and decision curve analysis.
|
2 weeks
|
|
Changes in cfDNA Fragmentomic Features From T0 to T1
大体时间：2 weeks
|
Exploration of the association between longitudinal changes in cfDNA fragmentomic scores or features before and after neoadjuvant therapy and pathological outcomes, including ypN status, breast pathological complete response (pCR), residual cancer burden (RCB), and residual tumor burden.
|
2 weeks
|
|
Exploratory Subgroup Analysis
大体时间：2 weeks
|
Exploration of the predictive performance of the TuFEst-LN model across clinically relevant subgroups, including molecular subtype, treatment regimen, and baseline lymph node burden.
|
2 weeks
|
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。
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
- Gentilini OD, Botteri E, Sangalli C, Galimberti V, Porpiglia M, Agresti R, Luini A, Viale G, Cassano E, Peradze N, Toesca A, Massari G, Sacchini V, Munzone E, Leonardi MC, Cattadori F, Di Micco R, Esposito E, Sgarella A, Cattaneo S, Busani M, Dessena M, Bianchi A, Cretella E, Ripoll Orts F, Mueller M, Tinterri C, Chahuan Manzur BJ, Benedetto C, Veronesi P; SOUND Trial Group. Sentinel Lymph Node Biopsy vs No Axillary Surgery in Patients With Small Breast Cancer and Negative Results on Ultrasonography of Axillary Lymph Nodes: The SOUND Randomized Clinical Trial. JAMA Oncol. 2023 Nov 1;9(11):1557-1564. doi: 10.1001/jamaoncol.2023.3759.
- Bruhm DC, Vulpescu NA, Foda ZH, Phallen J, Scharpf RB, Velculescu VE. Genomic and fragmentomic landscapes of cell-free DNA for early cancer detection. Nat Rev Cancer. 2025 May;25(5):341-358. doi: 10.1038/s41568-025-00795-x. Epub 2025 Mar 4.
- Reimer T, Stachs A, Veselinovic K, Kuhn T, Heil J, Polata S, Marme F, Muller T, Hildebrandt G, Krug D, Ataseven B, Reitsamer R, Ruth S, Denkert C, Bekes I, Zahm DM, Thill M, Golatta M, Holtschmidt J, Knauer M, Nekljudova V, Loibl S, Gerber B. Axillary Surgery in Breast Cancer - Primary Results of the INSEMA Trial. N Engl J Med. 2025 Mar 13;392(11):1051-1064. doi: 10.1056/NEJMoa2412063. Epub 2024 Dec 12.
- Zhu Y, Zheng S, Shao Y, Zhou J, Gu X, Shen L, Li X, Liu W, Xue W, Lu H, Zhou J, Ding J, Deng H, Chen J, Yu Z, Yao Y, Xia W, Chen W, Sun S, Wang Z, Qian T, Yu X, Liu J, Chen Y, Lin Z, Huang J, Ni C. Fragmentomic liquid biopsy enables early breast cancer detection, molecular subtyping and lymph node assessment. Nat Commun. 2026 Mar 6;17(1):2276. doi: 10.1038/s41467-026-70204-w.
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)
2025年8月1日
初级完成 (估计的)
2027年12月31日
研究完成 (估计的)
2027年12月31日
研究注册日期
首次提交
2025年11月19日
首先提交符合 QC 标准的
2025年12月11日
首次发布 (实际的)
2025年12月26日
研究记录更新
最后更新发布 (实际的)
2026年8月10日
上次提交的符合 QC 标准的更新
2026年8月5日
最后验证
2025年10月1日
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.