- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT06124989
Strojové učení pro hodnocení rizika relapsu u akutní biliární pankreatitidy. (MINERVA)
Nový model strojového učení pro predikci relapsu akutní biliární pankreatitidy (strojové učení pro hodnocení rizika relapsu u akutní biliární pankreatitidy - MINERVA)
Projekt MINERVA (Strojové učení pro hodnocení rizika relapsu u akutní biliární pankreatitidy) vychází z potřeby klinické praxe přijímat operační rozhodnutí u pacientů, kteří jsou přijati do nemocnice s diagnózou akutní biliární pankreatitidy. Zejména prospektivní kohortová studie MINERVA si klade za cíl vyvinout prediktivní skóre, které umožní posoudit riziko opětovného přijetí do nemocnice u pacientů s diagnostikovanou mírnou biliární akutní pankreatitidou pomocí strojového učení a umělé inteligence.
Cíle studie MINERVA jsou:
- Navrhnout novou metodiku pro hodnocení rizika relapsu u pacientů s mírnou biliární akutní pankreatitidou, kteří nepodstoupili časnou cholecystektomii (do 3 až 7 dnů od přijetí do nemocnice);
- Navrhněte prediktivní model strojového učení využívající architekturu hlubokého učení aplikovanou na snadno sbíratelná data;
- Ověřte skóre MINERVA na rozsáhlé, multicentrické, prospektivní kohortě;
- Umožněte národním a mezinárodním lékařům, zdravotnickému personálu, výzkumníkům a široké veřejnosti volně a snadno přistupovat k výpočtu skóre MINERVA a používat jej ve své každodenní klinické praxi.
Model skóre MINERVA bude vyvinut na retrospektivní kohortě pacientů (MANCTRA-1, již registrován na ClinicalTrials.gov) a bude ověřena na nové prospektivní multicentrické kohortě. Po validaci bude skóre MINERVA zdarma a bude snadno okamžitě vypočítatelné pro veškerý zdravotnický personál; bude kdykoli přístupný na webových stránkách a webové aplikaci MINERVA a poskytne okamžitý a spolehlivý výsledek, který může být jasnou indikací pro nejlepší léčebnou cestu pro lékaře i pro pacienta.
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Akutní pankreatitida je nejčastější onemocnění slinivky břišní s celosvětovou incidencí 34 případů na 100 000 jedinců. Toto onemocnění čítá celosvětově více než 1,5 milionu nových pacientů ročně, přičemž mortalita se blíží 1 %. Pacienti s mírnou biliární akutní pankreatitidou mohou být po přijetí do nemocnice léčeni indexovou, časnou cholecystektomií (do 3 až 7 dnů od akutní epizody) nebo konzervativně. Zatímco konzervativní léčba může být rezolutní, až 35 % těchto pacientů má recidivu do 30 dnů a vyžaduje urgentní chirurgický zákrok ve výrazně horším celkovém stavu pacienta, což snižuje šance na úspěch. Kromě toho relaps dramaticky zvyšuje šance na chronickou pankreatitidu, rakovinu slinivky břišní, pooperační komplikace a celkovou mortalitu. Epizody relapsu mají také ekonomický dopad na zdravotnická zařízení, protože druhý a delší hospitalizace na pacienta zvyšuje celkové náklady na léčbu na pacienta nejméně o 100 %. Dosud však neexistují žádné standardizované metody pro predikci relapsu biliární akutní pankreatitidy u pacientů, kteří neprodělali časnou cholecystektomii po první epizodě mírné biliární akutní pankreatitidy.
Projekt MINERVA (Strojové učení pro hodnocení rizika relapsu u akutní biliární pankreatitidy) vychází z potřeby klinické praxe přijímat operační rozhodnutí u pacientů, kteří jsou přijati do nemocnice s diagnózou lehké akutní biliární pankreatitidy.
Projekt MINERVA má za cíl dosáhnout následujících cílů a výsledků:
- Navrhnout novou metodiku pro hodnocení rizika relapsu u pacientů s mírnou biliární akutní pankreatitidou, kteří neprodělali časnou cholecystektomii po první epizodě mírné biliární akutní pankreatitidy;
- Navrhněte prediktivní model strojového učení využívající architekturu hlubokého učení aplikovanou na data, která lze snadno sbírat od pacientů;
- Ověřte skóre MINERVA na rozsáhlé, multicentrické, prospektivní kohortě;
- Umožněte národním a mezinárodním lékařům, zdravotnickému personálu, výzkumníkům a široké veřejnosti volně a snadno přistupovat k výpočtu skóre MINERVA a používat jej ve své každodenní klinické praxi.
Skóre MINERVA poskytne lékařům ověřené a standardizované hodnocení rizika relapsu, které bere v úvahu osobní anamnézu, demografické údaje a laboratorní charakteristiky každého pacienta. Skóre MINERVA bude zdarma a snadno okamžitě vypočítatelné pro veškerý zdravotnický personál; bude kdykoli přístupný na webových stránkách a webové aplikaci MINERVA a poskytne okamžitý a spolehlivý výsledek, který může být jasnou indikací pro nejlepší léčebnou cestu pro lékaře i pro pacienta.
Model skóre MINERVA bude vyvinut na retrospektivní kohortě pacientů (MANCTRA-1, již registrován na ClinicalTrials.gov) a bude ověřena na nové prospektivní multicentrické kohortě.
Retrospektivní kohorta Vývoj modelu a počáteční trénink budou provedeny na retrospektivní kohortě pacientů (n=692) shromážděných během předběžné multicentrické studie, studie MANCTRA-1 (schválené Etickou komisí nemocnice University of Cagliari, MANCTRA-1 - NCT04747990, Prot. PG/2021/7108) vedená PI (Dr. Mauro Podda) a místní univerzita v Cagliari odpovědná za projekt MINERVA.
Prospektivní kohorta Do prospektivní kohorty studie MINERVA bude přijato celkem 430 pacientů.
Metody Skóre MINERVA bude založeno na modelu strojového učení, který bude vyvinut a trénován na retrospektivní kohortě a ověřen na prospektivní kohortě pacientů.
Všechny proměnné modelu budou zpracovány pomocí kernel Principal Component Analysis (kPCA).
Vypočte se konvexní obal bodového grafu hlavních komponent a vyjme se nejmenší obdélník. Obdélník bude transformován na 2D obrázek s pevným rozlišením pomocí průměrování funkcí a normalizace.
Model bude vyvinut na Neapolské univerzitě Federico II Dr. Danielou Pacellou s odborností a dohledem v oblasti strojového učení.
Aby se předešlo nadměrnému přizpůsobení, bude datová sada rozdělena na trénovací sadu, testovací sadu a ověřovací sadu. Kromě toho bude použita k-násobná křížová validace. Výkon modelu MINERVA bude vyhodnocen pomocí nejvíce přijatých měřítek přesnosti, jako je přesnost, vyvolání a AUC (Area Under the ROC Curve). Jeho výkon bude navíc porovnán s výkonem dosaženým pomocí tradičních metod strojového učení (SVM, ANN). Chybějící data budou řešena pomocí imputačních metod.
Proměnné Věk (roky) Pohlaví (Muž:Žena) Předchozí epizody biliární pankreatitidy (Ano; Ne) Přijímání specializace (HepatoPancreatoBiliární chirurgie, Všeobecná chirurgie, Interní lékařství, Gastroenterologie) Index tělesné hmotnosti -BMI- (Kg/m2) Klinická anamnéza diabetu (ne diabetes; ano s orgánovou dysfunkcí; ano bez orgánové dysfunkce) klinická anamnéza chronického plicního onemocnění (ano; ne) klinická anamnéza hypertenze (ano; ne) klinická anamnéza fibrilace síní (ano; ne) klinická anamnéza ischemické choroby srdeční (Ano; Ne) Klinická anamnéza chronického onemocnění ledvin (Ne; Ano při medikaci; Ano při trvalé renální substituční terapii nebo při přípravě na ni) Klinická anamnéza onemocnění krvetvorného systému (Ano; Ne) Pacient na imunosupresivní léčbě v nemocnici přijetí (Ano; Ne) Bílé krvinky -WBC- (buňky/mm3) Neutrofily (buňky/mm3) Krevní destičky (Plt/mm3) INR (International Normalized Ratio) C-reaktivní protein -CRP- (mg/L) Aspartátaminotransferáza - AST- (U/L) Alaninaminotransferáza -ALT- (U/L) Celkový bilirubin (mg/dL) Konjugovaný bilirubin (mg/dL) Gama-glutamil-transpeptidáza -GGT- (U/L) Sérová amyláza (U/L ) Sérová lipáza (U/L) Laktátdehydrogenáza -LDH- (U/L) Choledocholitiáza (Ano; Ano s obstrukcí společných žlučovodů; Ne) Cholangitida (Ano; Ne) ERCP se sfinkterotomií (Ano do 24 hodin od přijetí do nemocnice; Ano do 24-48 hodin od přijetí do nemocnice; Ano do 48-72 hodin od přijetí do nemocnice; Ne) Recidiva akutní biliární pankreatitidy za 30 dní, 60- den, 90 dní, 1 rok.
Typ studie
Zápis (Odhadovaný)
Kontakty a umístění
Studijní kontakt
- Jméno: Mauro Podda, MD
- Telefonní číslo: 07051096571
- E-mail: mauro.podda@unica.it
Studijní místa
-
-
CA
-
Cagliari, CA, Itálie, 09120
- University of Cagliari, Emergency Surgery Department
-
Dílčí vyšetřovatel:
- Gianluca Pellino, MD, PhD
-
Kontakt:
- Mauro Podda, MD
- E-mail: mauro.podda@unica.it
-
Dílčí vyšetřovatel:
- Daniela Pacella, MD, PhD
-
Dílčí vyšetřovatel:
- Dario Bruzzese, MD, PhD
-
Dílčí vyšetřovatel:
- Adolfo Pisanu, MD, PhD
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- Dospělí pacienti (≥ 18 let)
- Klinická diagnóza mírné biliární akutní pankreatitidy (podle revidované klasifikace Atlanta)
- Nebylo podrobeno cholecystektomii nebo ERCP/ES (endoskopická retrográdní cholangiopancreatografie/endoskopická sphyncterotomie) během stejného příjmu do nemocnice
Kritéria vyloučení:
- Akutní pankreatitida jiné etiologie než žlučové kameny;
- Středně těžká pankreatitida;
- Těžká pankreatitida;
- Přítomnost pankreatické nekrózy;
- Těhotné pacientky;
- Pacienti nebyli schopni podepsat informovaný souhlas s účastí ve studii.
Studijní plán
Jak je studie koncipována?
Detaily designu
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Počet pacientů s recidivou biliární akutní pankreatitidy.
Časové okno: 30denní, 60denní, 90denní, 1letý
|
Počet pacientů s recidivou biliární akutní pankreatitidy: predikce rizikového relapsu akutní biliární pankreatitidy u pacientů po první epizodě mírné biliární akutní pankreatitidy (podle revidované Atlantské klasifikace z roku 2012), která nebyla včas předložena (do tří až sedmi dnů od akutní epizoda) cholecystektomie.
Tohoto výsledku bude dosaženo vytvořením a ověřením nového rizikového skóre.
|
30denní, 60denní, 90denní, 1letý
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Přesnost modelu MINERVA.
Časové okno: 30denní, 60denní, 90denní, 1letý
|
Přesnost, citlivost a specifičnost (AUC, plocha pod křivkou ROC) modelu MINERVA Machine Learning ve srovnání s jinými tradičními modely strojového učení dříve přijatými v literatuře (jako ANN a SVM) a se statistickými modely (jako je vícenásobná regrese).
|
30denní, 60denní, 90denní, 1letý
|
Spolupracovníci a vyšetřovatelé
Sponzor
Vyšetřovatelé
- Studijní židle: Mauro Podda, MD, University of Cagliari, Department of Surgical Science
Publikace a užitečné odkazy
Obecné publikace
- Werner J, Hartwig W, Uhl W, Muller C, Buchler MW. Useful markers for predicting severity and monitoring progression of acute pancreatitis. Pancreatology. 2003;3(2):115-27. doi: 10.1159/000070079.
- Sankaran SJ, Xiao AY, Wu LM, Windsor JA, Forsmark CE, Petrov MS. Frequency of progression from acute to chronic pancreatitis and risk factors: a meta-analysis. Gastroenterology. 2015 Nov;149(6):1490-1500.e1. doi: 10.1053/j.gastro.2015.07.066. Epub 2015 Aug 20.
- Gurusamy KS, Nagendran M, Davidson BR. Early versus delayed laparoscopic cholecystectomy for acute gallstone pancreatitis. Cochrane Database Syst Rev. 2013 Sep 2;(9):CD010326. doi: 10.1002/14651858.CD010326.pub2.
- da Costa DW, Bouwense SA, Schepers NJ, Besselink MG, van Santvoort HC, van Brunschot S, Bakker OJ, Bollen TL, Dejong CH, van Goor H, Boermeester MA, Bruno MJ, van Eijck CH, Timmer R, Weusten BL, Consten EC, Brink MA, Spanier BWM, Bilgen EJS, Nieuwenhuijs VB, Hofker HS, Rosman C, Voorburg AM, Bosscha K, van Duijvendijk P, Gerritsen JJ, Heisterkamp J, de Hingh IH, Witteman BJ, Kruyt PM, Scheepers JJ, Molenaar IQ, Schaapherder AF, Manusama ER, van der Waaij LA, van Unen J, Dijkgraaf MG, van Ramshorst B, Gooszen HG, Boerma D; Dutch Pancreatitis Study Group. Same-admission versus interval cholecystectomy for mild gallstone pancreatitis (PONCHO): a multicentre randomised controlled trial. Lancet. 2015 Sep 26;386(10000):1261-1268. doi: 10.1016/S0140-6736(15)00274-3.
- Ahmed Ali U, Issa Y, Hagenaars JC, Bakker OJ, van Goor H, Nieuwenhuijs VB, Bollen TL, van Ramshorst B, Witteman BJ, Brink MA, Schaapherder AF, Dejong CH, Spanier BW, Heisterkamp J, van der Harst E, van Eijck CH, Besselink MG, Gooszen HG, van Santvoort HC, Boermeester MA; Dutch Pancreatitis Study Group. Risk of Recurrent Pancreatitis and Progression to Chronic Pancreatitis After a First Episode of Acute Pancreatitis. Clin Gastroenterol Hepatol. 2016 May;14(5):738-46. doi: 10.1016/j.cgh.2015.12.040. Epub 2016 Jan 6.
- Bagepally BS, Haridoss M, Sasidharan A, Jagadeesh KV, Oswal NK. Systematic review and meta-analysis of gallstone disease treatment outcomes in early cholecystectomy versus conservative management/delayed cholecystectomy. BMJ Open Gastroenterol. 2021 Jul;8(1):e000675. doi: 10.1136/bmjgast-2021-000675.
- Chen Y, Chen TW, Wu CQ, Lin Q, Hu R, Xie CL, Zuo HD, Wu JL, Mu QW, Fu QS, Yang GQ, Zhang XM. Radiomics model of contrast-enhanced computed tomography for predicting the recurrence of acute pancreatitis. Eur Radiol. 2019 Aug;29(8):4408-4417. doi: 10.1007/s00330-018-5824-1. Epub 2018 Nov 9.
- Cho JH, Jeong YH, Kim KH, Kim TN. Risk factors of recurrent pancreatitis after first acute pancreatitis attack: a retrospective cohort study. Scand J Gastroenterol. 2020 Jan;55(1):90-94. doi: 10.1080/00365521.2019.1699598. Epub 2019 Dec 10.
- Ding N, Guo C, Li C, Zhou Y, Chai X. An Artificial Neural Networks Model for Early Predicting In-Hospital Mortality in Acute Pancreatitis in MIMIC-III. Biomed Res Int. 2021 Jan 28;2021:6638919. doi: 10.1155/2021/6638919. eCollection 2021.
- Hong WD, Chen XR, Jin SQ, Huang QK, Zhu QH, Pan JY. Use of an artificial neural network to predict persistent organ failure in patients with acute pancreatitis. Clinics (Sao Paulo). 2013 Jan;68(1):27-31. doi: 10.6061/clinics/2013(01)rc01. No abstract available.
- Mashayekhi R, Parekh VS, Faghih M, Singh VK, Jacobs MA, Zaheer A. Radiomic features of the pancreas on CT imaging accurately differentiate functional abdominal pain, recurrent acute pancreatitis, and chronic pancreatitis. Eur J Radiol. 2020 Feb;123:108778. doi: 10.1016/j.ejrad.2019.108778. Epub 2019 Dec 11.
- Hu X, Yang B, Li J, Bai X, Li S, Liu H, Zhang H, Zeng F. Individualized Prediction of Acute Pancreatitis Recurrence Using a Nomogram. Pancreas. 2021 Jul 1;50(6):873-878. doi: 10.1097/MPA.0000000000001839.
- Loozen CS, Oor JE, van Ramshorst B, van Santvoort HC, Boerma D. Conservative treatment of acute cholecystitis: a systematic review and pooled analysis. Surg Endosc. 2017 Feb;31(2):504-515. doi: 10.1007/s00464-016-5011-x. Epub 2016 Jun 17.
- Mador BD, Panton ON, Hameed SM. Early versus delayed cholecystectomy following endoscopic sphincterotomy for mild biliary pancreatitis. Surg Endosc. 2014 Dec;28(12):3337-42. doi: 10.1007/s00464-014-3621-8. Epub 2014 Jun 25.
- Nebiker CA, Frey DM, Hamel CT, Oertli D, Kettelhack C. Early versus delayed cholecystectomy in patients with biliary acute pancreatitis. Surgery. 2009 Mar;145(3):260-4. doi: 10.1016/j.surg.2008.10.012. Epub 2009 Feb 1.
- Riquelme F, Marinkovic B, Salazar M, Martinez W, Catan F, Uribe-Echevarria S, Puelma F, Munoz J, Canals A, Astudillo C, Uribe M. Early laparoscopic cholecystectomy reduces hospital stay in mild gallstone pancreatitis. A randomized controlled trial. HPB (Oxford). 2020 Jan;22(1):26-33. doi: 10.1016/j.hpb.2019.05.013. Epub 2019 Jun 22.
- Schmidt M, Sondenaa K, Vetrhus M, Berhane T, Eide GE. A randomized controlled study of uncomplicated gallstone disease with a 14-year follow-up showed that operation was the preferred treatment. Dig Surg. 2011;28(4):270-6. doi: 10.1159/000329464. Epub 2011 Jul 9.
- Sharma A, Vans E, Shigemizu D, Boroevich KA, Tsunoda T. DeepInsight: A methodology to transform a non-image data to an image for convolution neural network architecture. Sci Rep. 2019 Aug 6;9(1):11399. doi: 10.1038/s41598-019-47765-6.
- Stevens CL, Abbas SM, Watters DA. How Does Cholecystectomy Influence Recurrence of Idiopathic Acute Pancreatitis? J Gastrointest Surg. 2016 Dec;20(12):1997-2001. doi: 10.1007/s11605-016-3269-x. Epub 2016 Sep 23.
- Umans DS, Hallensleben ND, Verdonk RC, Bouwense SAW, Fockens P, van Santvoort HC, Voermans RP, Besselink MG, Bruno MJ, van Hooft JE; Dutch Pancreatitis Study Group. Recurrence of idiopathic acute pancreatitis after cholecystectomy: systematic review and meta-analysis. Br J Surg. 2020 Feb;107(3):191-199. doi: 10.1002/bjs.11429. Epub 2019 Dec 25.
- Yamashita R, Nishio M, Do RKG, Togashi K. Convolutional neural networks: an overview and application in radiology. Insights Imaging. 2018 Aug;9(4):611-629. doi: 10.1007/s13244-018-0639-9. Epub 2018 Jun 22.
- Yuan X, Xu B, Wong M, Chen Y, Tang Y, Deng L, Tang D. The safety, feasibility, and cost-effectiveness of early laparoscopic cholecystectomy for patients with mild acute biliary pancreatitis: A meta-analysis. Surgeon. 2021 Oct;19(5):287-296. doi: 10.1016/j.surge.2020.06.014. Epub 2020 Jul 22.
- Zhou Y, Ge YT, Shi XL, Wu KY, Chen WW, Ding YB, Xiao WM, Wang D, Lu GT, Hu LH. Machine learning predictive models for acute pancreatitis: A systematic review. Int J Med Inform. 2022 Jan;157:104641. doi: 10.1016/j.ijmedinf.2021.104641. Epub 2021 Nov 10.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Odhadovaný)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Odhadovaný)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Odhadovaný)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
- MINERVA_1
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Typ podpůrných informací pro sdílení IPD
- PROTOKOL STUDY
- MÍZA
- ICF
- CSR
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .