- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT06602674
Analýza obrazu na bázi PET/CT a strojové učení hypermetabolických plicních lézí
Rozlišení plicního lymfomu a jiných hypermetabolických lézí na základě zobrazení PET/CT pomocí zobrazovacích projevů a technik strojového učení: multicentrická retrospektivní studie
Nejprve analyzujeme typy, zobrazovací nálezy a relevantní léčebné odpovědi na základě PET/CT, abychom dokončili komplexnější pohled na plicní lymfomy.
Poté budou vyvinuty některé modely založené na radiomických vlastnostech, aby se ověřila možnost diferenciace plicních lymfomů pomocí strojového učení a vyvinul se vícetřídní klasifikační model.
Konečným cílem této studie je vyvinout sadu modelů hlubokého učení pro předběžnou segmentaci plicních lézí a klasifikaci do více tříd. Modely budou klasifikovat FDG-avidní plicní léze do čtyř skupin, z nichž každá bude definována svým patologickým původem, primární terapií a příslušným klinickým oddělením.
Přehled studie
Postavení
Intervence / Léčba
Detailní popis
- Místní software pro extrakci vlastností obrazu (LIFEx, v 7.4.0, Francie) byl použit pro kontrolu obrazu a měření relevantních dat. Tři pozorovatelé nezávisle interpretovali snímky. V případě nesouhlasu měl přednost názor vedoucího lékaře s více než desetiletou praxí. Zobrazovací nálezy byly zaznamenány na základě základních vyšetření. Počty lézí, umístění a popisné štítky byly systematicky protokolovány v souladu s normami stanovenými v zobrazovací zprávě. Při třídění a výpočtu dat byl použit statistický software SPSS (v26.0). Chí-kvadrát test byl použit k porovnání SPL a PPL na základě kategorických proměnných, jako jsou nálezy CT, zatímco T-test byl použit k hodnocení kontinuálních proměnných, jako je glykémie a SUV. Vzhledem k převaze kategoriálních proměnných byl k posouzení léčebné odpovědi a výkonu zobrazování použit chí-kvadrát nebo Fisherův exaktní test (pro vzorky <40 nebo >20 % buněk s <5 očekávanými počty). Spearmanův korelační koeficient byl použit k analýze vztahu mezi kategorickými a SUV založenými spojitými proměnnými.
- V této studii byl objem metabolického nádoru při relativní prahové hodnotě 40 % (MTV40 %) vybrán jako zájmový objem (VOI) pro analýzu obrazu. Pro extrakci funkcí jsme použili sadu nástrojů pro extrakci radiomických funkcí založenou na Pythonu (v3.11.7) PyRadiomics (v3.1.0), spolu s knihovnou pro zpracování lékařského obrazu SimpleITK (v2.3.1), knihovnou pro numerické výpočty a manipulaci s daty Numpy (v1.26.2) a knihovnou vlnkových transformací PyWavelet (v1.5.0). Výběr funkcí byl proveden pomocí RStudio (v.2023.12.0+369) na základě programovacího jazyka R (v4.2.0). Aby byla zajištěna výpočetní efektivita a aby se zabránilo nadměrnému přizpůsobení, byl počet zachovaných funkcí omezen na 10 % nebo méně z počtu lézí v tréninkové sadě. Analýza a validace modelu byly primárně prováděny také pomocí RStudio.
- Studie hlubokého učení rozděluje úkol identifikace a klasifikace hypermetabolických plicních lézí do dvou fází: segmentace a klasifikace. Ve fázi segmentace jsme nejprve použili open-source 2D model Lungmask k automatickému oříznutí oblasti plic z celotělových PET/CT snímků, čímž bylo zajištěno, že následné zpracování je zaměřeno na oblast plic. Dále jsme vyvinuli 3D model UNet se zbytkovými moduly speciálně navrženými pro segmentaci hypermetabolických plicních lézí. Tento model bere oříznuté PET/CT snímky jako vstup, efektivně extrahuje informace o lézích z trojrozměrných snímků a přesně segmentuje oblasti hypermetabolických plicních lézí. Model byl poté aplikován na interní testovací sady a externí validační sady pro odvození, což vedlo k extrakci oblastí zájmu obsahujících léze.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
Shanghai
-
Shanghai, Shanghai, Čína, 200025
- Ruijin Hospital affiliated to Shanghai Jiao Tong University of Medicine
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria zařazení:
- Dospělí pacienti (≥18 let);
- Primární nebo recidivující lymfom, ≥6 měsíců od poslední léčby; pacienti s primárním karcinomem plic bez předchozí malignity;
- benigní solidní plicní léze bez předchozí malignity;
- Plicní metastázy, neléčené plicní radioterapií nebo implantací částic;
- Základní hodnocení odhalující PET-pozitivní plicní léze.
- Patologické výsledky do 3 měsíců od data vyšetření, potvrzené typy plicních lézí tracheoskopií, punkcí plic nebo operací.
- Výchozí plicní léze zůstávají považovány za plicní lymfom (nebo metastázy) na základě následného klinického a zobrazovacího hodnocení.
Kritéria vyloučení:
- Špatná kvalita obrazu;
- Neschopnost vymezit hranice plicních lézí na CT snímcích;
- Artefakty způsobené blízkými zařízeními, jako jsou stenty nebo drenážní hadičky.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Plicní lymfom
(1) Dospělí pacienti (≥18 let).
(2) Pacienti s primárním nebo recidivujícím lymfomem, ≥ 6 měsíců od poslední léčby.
(3) Základní vyšetření v nemocnici odhalilo PET-pozitivní plicní léze, maximální průměr naměřený CT ≥3 mm, viditelné přes ≥2 vrstvy obrazu.
(4) Patologické výsledky do 3 měsíců od data vyšetření, potvrzené typy plicních lézí tracheoskopií, punkcí plic nebo chirurgickým zákrokem.
Nebo základní plicní léze lymfomu diagnostikované punkcí lymfatických uzlin a vnější plicní punkce zůstávají považovány za plicní lymfom na základě následného klinického a zobrazovacího hodnocení.
|
Pozorujte lékařské snímky prostřednictvím pracovní stanice nebo místního softwaru pro analýzu snímků
Extrahování funkce obrazu pomocí radiomiky nebo metod hlubokého učení
|
|
Rakovina plic
(1) Dospělí pacienti (≥18 let).
(2) Pacienti s primárním karcinomem plic bez předchozí malignity (3) Základní vyšetření v nemocnici odhalilo PET-pozitivní plicní léze, maximální průměr naměřený CT ≥3 mm, viditelné přes ≥2 vrstvy obrazu.
(4) Patologické výsledky do 3 měsíců od data vyšetření, potvrzené typy plicních lézí tracheoskopií, punkcí plic nebo chirurgickým zákrokem.
|
Pozorujte lékařské snímky prostřednictvím pracovní stanice nebo místního softwaru pro analýzu snímků
Extrahování funkce obrazu pomocí radiomiky nebo metod hlubokého učení
|
|
Benigní
(1) Dospělí pacienti (≥18 let).
(2) Pacienti s benigními solidními plicními lézemi bez předchozí malignity.
(3) Základní vyšetření v nemocnici odhalilo PET-pozitivní plicní léze, maximální průměr naměřený CT ≥3 mm, viditelné přes ≥2 vrstvy obrazu.
(4) Patologické výsledky do 3 měsíců od data vyšetření, potvrzené typy plicních lézí tracheoskopií, punkcí plic nebo chirurgickým zákrokem.
|
Pozorujte lékařské snímky prostřednictvím pracovní stanice nebo místního softwaru pro analýzu snímků
Extrahování funkce obrazu pomocí radiomiky nebo metod hlubokého učení
|
|
Metastáza
(1) Dospělí pacienti (≥18 let).
(2) Pacienti s plicními metastázami, neléčení plicní radioterapií nebo implantací částic.
(3) Základní vyšetření v nemocnici odhalilo PET-pozitivní plicní léze, maximální průměr naměřený CT ≥3 mm, viditelné přes ≥2 vrstvy obrazu.
(4) Patologické výsledky do 3 měsíců od data vyšetření, potvrzené typy plicních lézí tracheoskopií, punkcí plic nebo chirurgickým zákrokem.
Nebo základní plicní léze metastáz diagnostikované punkcí lymfatických uzlin a vnější plicní punkcí zůstávají považovány za plicní metastázy na základě následného klinického a zobrazovacího hodnocení.
|
Pozorujte lékařské snímky prostřednictvím pracovní stanice nebo místního softwaru pro analýzu snímků
Extrahování funkce obrazu pomocí radiomiky nebo metod hlubokého učení
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Časové okno |
|---|---|
|
Funkce zobrazování/radiomiky/hloubkového učení 18F-FDG PET/CT obrazu
Časové okno: Základní linie
|
Základní linie
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Efektivita segmentačního modelu
Časové okno: bezprostředně po vývoji a testování modelů
|
Účinnost segmentačního modelu je hodnocena mírou detekce lézí a koeficientem podobnosti kostek (2(A∩B)/ (A+B), A=segmentovaný objem voxelů, B=objem základní pravdy), které oba popisují přesnost rozdělení léze a pozadí.
|
bezprostředně po vývoji a testování modelů
|
|
Efektivita klasifikačního modelu
Časové okno: bezprostředně po vývoji a testování modelů
|
Klasifikační model je hodnocen přesností [ (TP+TN)/(TP+FP+TN+FN) ] , přesností [TP/(TP+FP)], zapamatovatelností [TP/(TP+FN)], F1- skóre [2*precision*recall/(precision+recall)], které všechny popisuje poměr správně nebo špatně klasifikovaných lézí vzorků z různých hledisek.
Zatímco křivka provozní charakteristiky přijímače (ROC) to může ilustrovat více vizuálně.
Plocha pod křivkou (AUC) vypočítala podíl plochy pod křivkou ROC v rozsahu od 0 do 1, což představuje celkovou účinnost klasifikace v každé skupině.
|
bezprostředně po vývoji a testování modelů
|
Spolupracovníci a vyšetřovatelé
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Aktuální)
Dokončení studie (Aktuální)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
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
- RuijinH 2024-70
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
produkt vyrobený a vyvážený z USA
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 .
Klinické studie na Sledujte lékařské snímky
-
Indiana UniversityStaženo