CELL INTELLIGENCE · 肿瘤细胞治疗研究

CELLIN 肿瘤细胞治疗研究

← 返回

多模态融合模型和深度学习预测 NKTCL 治疗反应

英文原题：Multi-modal Fusion Model and Deep Learning for Predicting Treatment Response in NKTCL

查看英文原题

Multi-modal Fusion Model and Deep Learning for Predicting Treatment Response in NKTCL

ClinicalTrials.gov 2026/02/13（首次登记） 注册临床试验（分期未标注） · 尚未开始招募

分数与星级只用于站内排序 —— 不代表疗效、安全性或个人适用性。

人群：成人技术：NK 细胞淋巴瘤
登录后收藏与关注 试验解析登录并开通会员后使用入排标准解释登录并开通会员后使用变化追踪登录并开通会员后使用加入对比登录并开通会员后使用

简要介绍

这是一项观察性研究，观察细胞治疗用于淋巴瘤的真实世界诊疗与结局。当前状态：尚未开始招募。计划入组 100 例。登记号：NCT07409168。

入组条件决定能不能参加

不限性别 · ≥ 18 Years

纳入标准：

1. 年龄≥18岁。
2. 按世界卫生组织（WHO）分类经病理学确诊结外自然杀伤/T细胞淋巴瘤（NKTCL）。
3. 计划接受一线含门冬酰胺酶的化疗或放化疗。
4. 有常规诊疗获得的鼻咽部增强 MRI，或可供分析的治疗前肿瘤苏木精-伊红（H&E）染色全切片图像（WSI）。
5. 能够理解研究并提供书面知情同意。

排除标准：

1. 其他恶性肿瘤病史。
2. 患有精神障碍或无法提供知情同意。
核对登记原文（英文）
Inclusion Criteria:

* 1\. Age ≥ 18 years.
* 2\. Pathologically confirmed extranodal natural killer/T-cell lymphoma (NKTCL) according to the World Health Organization (WHO) classification.
* 3\. Patients who are planned to receive first-line asparaginase-based chemotherapy or chemoradiotherapy.
* 4\. Patients who have either contrast-enhanced MRI of the nasopharynx obtained as part of routine clinical care or pretreatment whole-slide images (WSI) of tumor tissue from hematoxylin and eosin (H\&E)-stained sections available for analysis.
* 5\. Ability to understand the study and provide written informed consent (ICF).

Exclusion Criteria:

* 1\. History of other malignant tumors.
* 2\. Patients with psychiatric disorders or those unable to provide informed consent.

以上为辅助阅读译文。是否适合入组须由主治医生判断，最终以登记平台与研究者确认为准。

研究终点衡量什么算有效

  • 主要终点按 Lugano 2014 标准预测一线治疗反应（完全缓解与非完全缓解）的准确性从基线至疾病反应和随访评估，最长3年。
核对登记原文（英文）

主要终点：Predictive accuracy of first-line treatment response (CR vs non-CR) according to Lugano 2014 criteria · The primary outcome is the predictive performance of the multimodal deep learning model for first-line treatment response in patients with extranodal natural killer/T-cell lymphoma (NKTCL). Treatment response is assessed according to the Lugano 2014 criteria. Model performance will be evaluated by receiver operating characteristic (ROC) analysis and quantified using the area under the curve (AUC), accuracy, sensitivity, specificity, positive predictive value, and negative predictive value by comparing model predictions with observed clinical response. · From baseline to disease response and follow-up assessments, up to 3 years.

研究设计怎么做的

研究类型
观察性研究
入组人数
100 人（预计）
  • 一线含门冬酰胺酶治疗队列

    纳入计划按机构常规接受一线含门冬酰胺酶化疗的 NKTCL 患者。收集治疗前临床资料、鼻咽及颈部增强 MRI，以及 H&E 染色肿瘤切片的数字病理图像。按照常规随访评估无进展生存期和总生存期。

核对分组登记原文（英文）
  • First-line Asparaginase-based Treatment Cohort · Participants in this cohort are patients with extranodal natural killer/T-cell lymphoma (NKTCL) who are planned to receive standard first-line asparaginase-based chemotherapy according to institutional practice. Pretreatment clinical data, contrast-enhanced magnetic resonance imaging (MRI) of the nasopharynx and neck, and digital pathology images from hematoxylin and eosin (H\&E)-stained tumor sections will be collected. Patients will be followed for progression-free survival and overall survival according to routine follow-up schedule.

关键日期

开始日期
2026-08-15
主要完成日期
2027-12-31
全部完成日期
2027-12-31
登记状态核实于
2026-04

联系与责任方公示信息

主要研究者
Qingqing Cai
申办方
Sun Yat-sen University
联系邮箱
caiqq@sysucc.org.cn
联系电话
0208734282

以上邮箱 / 电话是登记库里的申办方联系方式（中国内地座机），通常不直达某家医院。中国中心的联系方式请以医院或登记平台最新公示为准。

登记简述

这项多中心前瞻性研究旨在开发并验证多模态深度学习模型，用于预测接受一线含门冬酰胺酶治疗的结外自然杀伤/T细胞淋巴瘤（NKTCL）患者的治疗反应。

核对登记原文（英文）

This is a multicenter prospective study to develop and validate a multimodal, deep learning-based model for predicting treatment response in patients with extranodal natural killer/T-cell lymphoma (NKTCL) receiving first-line asparaginase-based therapy.

登记原文与核验信息

试验登记号
NCT07409168
试验状态
尚未开始招募
适应症（原文）
Natural Killer/T-cell Lymphoma

查看来源原始页面 → 治疗专题与资料阅读指南 资料来源与翻译说明 报告译文或资料问题 →