Меню
Идёт набор NCT04217018

MR Based Prediction of Molecular Pathology in Glioma Using Artificial Intelligence

— Наблюдательное Glioma

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: Prediction of molecular pathology.
Кому может быть актуально
Состояния в реестре: Glioma. Базовые параметры: 1 год — 95 лет · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Китай
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

MR Based Prediction of Molecular Biomarkers or Subgroups in Primary Glioma Using Deep Learning or Machine Learning

Обзор

This registry aims to collect clinical, molecular and radiologic data including detailed clinical parameters, molecular pathology (1p/19q co-deletion, MGMT methylation, IDH and TERTp mutations, etc) and conventional/advanced/new MR sequences (T1, T1c, T2, FLAIR, ADC, DTI, PWI, etc) of patients with primary gliomas. By leveraging artificial intelligence, this registry will seek to construct and refine algorithms that able to predict molecular pathology or subgroups of gliomas.

Подробное описание

Non-invasive and precise prediction for molecular biomarkers such as 1p/19q co-deletion, MGMT methylation, IDH and TERTp mutations is challenging. With the development of artificial intelligence, much more potential lies in the preoperative conventional/advanced MR imaging (T1 weighted imaging, T2 weighted imaging, FLAIR, contrast-enhanced T1 weighted imaging, diffusion-weighted imaging, and perfusion imaging) could be excavated to aid prediction of molecular pathology of gliomas. The creation of a registry for primary glioma with detailed molecular pathology, radiological data and with sufficient sample size for deep learning (\>1000) provide considerable opportunities for personalized prediction of molecular pathology with non-invasiveness and precision.

Вмешательства

  • Диагностический тест Prediction of molecular pathology
    Prediction of 1p/19q co-deletion, MGMT methylation, IDH and TERTp mutations or molecular subgroups by leveraging AI

Первичные конечные точки

  • AUC of prediction performance [Срок оценки: up to 10 years]

Критерии участия

Критерии включения

  • Patients must have radiologically and histologically confirmed diagnosis of primary glioma
  • Life expectancy of greater than 3 months
  • Must receive tumor resection
  • Signed informed consent

Критерии исключения

  • No gliomas
  • No sufficient amount of tumor tissues for detection of molecular pathology
  • Patients who have any type of bioimplant activated by mechanical, electronic, or magnetic devices
  • Patients who are pregnant or breast feeding
  • Patients who are suffered from severe systematic malfunctions

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Да

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

Китай · 1 центр
  • Department of Neurosurgery, First Affiliated Hospital of Zhengzhou University — Чжэнчжоу

Публикации

  • Liu Z, Hong X, Wang L, Ma Z, Guan F, Wang W, Qiu Y, Zhang X, Duan W, Wang M, Sun C, Zhao Y, Duan J, Sun Q, Liu L, Ding L, Ji Y, Yan D, Liu X, Cheng J, Zhang Z, Li ZC, Yan J. Radiomic features from multiparametric magnetic resonance imaging predict molecular subgroups of pediatric low-grade gliomas. BMC Cancer. 2023 Sep 11;23(1):848. doi: 10.1186/s12885-023-11338-8. PMID 37697238

Идентификаторы

NCT: NCT04217018 · GliomaAI-1

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗