Radiomik-baseret forudsigelsesmodel af tumorspredning gennem luftrummet i lungeadenokarcinom
Kunne radiomikalier forudsige tumorspredning gennem luftrummet i lungeadenokarcinom i alle computertomografiindstillinger?
Spredning gennem luftrummet (STAS) er blevet rapporteret som en negativ prognostisk faktor hos patienter med lungecancer, der har gennemgået sublobar resektion. Dens præoperative vurdering kunne således være nyttig til at tilpasse kirurgisk behandling. Radiomik er for nylig blevet foreslået til at forudsige STAS hos patienter med lungeadenokarcinom. Alle undersøgelser har dog nøje udvalgt både billeddiagnostik og patienter, hvilket har ført til resultater, der næppe er anvendelige til daglig klinisk praksis. Formålet med denne undersøgelse er at teste en radiomik-baseret forudsigelsesmodel af STAS i praksisbaseret datasæt og verificere dens validitet og translationelle potentialer.
Radiologiske og kliniske data fra 100 på hinanden følgende patienter med resekeret lungeadenokarcinom blev retrospektivt indsamlet til træningsafsnittet. Som i almindelig klinisk praksis blev præoperative CT-billeder erhvervet uafhængigt af forskellige læger og fra forskellige hospitaler. Derfor præsenterer vores datasæt høj varians i model og fremstilling af scanner, optagelses- og rekonstruktionsprotokol, endovenøs kontrastfase og pixelstørrelse. For at teste effekten af normalisering i meget varierende data blev præoperative CT-billeder og tumorregion af interesse forbehandlet med fire forskellige pipelines. Funktioner blev ekstraheret ved hjælp af pyradiomik og udvalgt under hensyntagen til både separationskraft og robusthed i rørledninger. Derefter blev en radiomik-baseret forudsigelsesmodel af STAS skabt ved hjælp af de mest betydningsfulde tilknyttede funktioner. Denne model blev derefter valideret i en gruppe på 50 patienter, der prospektivt blev tilmeldt som ekstern valideringsgruppe for at teste dens effektivitet i STAS-forudsigelse.
Studieoversigt
Status
Betingelser
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
-
Roma, Italien, 00139
- Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter med mistænkt eller cito-histologisk bevist lungeadenokarcinom, der gennemgår lungekræftoperation;
- Tilgængelige præoperative CT-billeder
- Alder ældre end 18 år
Ekskluderingskriterier:
- Infiltration af brystvæggen
- Induktionsradio eller kemoterapi
- Ufuldstændig kirurgisk resektion
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
|---|
|
Lungeadenokarcinom
Billeddannelse fra patienter med kirurgisk behandlet lungeadenokarcinom blev indsamlet og behandlet til konstruktionen af den radiomik-baserede forudsigelsesmodel
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhed
Tidsramme: 24 timer før operation
|
Test af radiomiks følsomhed for at forudsige STAS ved brug af området under modtagerens driftskarakteristik
|
24 timer før operation
|
|
Specificitet
Tidsramme: 24 timer før operation
|
Test af radiomiks specificitet for at forudsige STAS ved hjælp af området under modtagerens driftskarakteristik
|
24 timer før operation
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Ledende efterforsker: Marco Anile, MD, La Sapienza Università di Roma
Publikationer og nyttige links
Generelle publikationer
- Jiang C, Luo Y, Yuan J, You S, Chen Z, Wu M, Wang G, Gong J. CT-based radiomics and machine learning to predict spread through air space in lung adenocarcinoma. Eur Radiol. 2020 Jul;30(7):4050-4057. doi: 10.1007/s00330-020-06694-z. Epub 2020 Feb 28.
- Chen D, She Y, Wang T, Xie H, Li J, Jiang G, Chen Y, Zhang L, Xie D, Chen C. Radiomics-based prediction for tumour spread through air spaces in stage I lung adenocarcinoma using machine learning. Eur J Cardiothorac Surg. 2020 Jul 1;58(1):51-58. doi: 10.1093/ejcts/ezaa011.
- Zhuo Y, Feng M, Yang S, Zhou L, Ge D, Lu S, Liu L, Shan F, Zhang Z. Radiomics nomograms of tumors and peritumoral regions for the preoperative prediction of spread through air spaces in lung adenocarcinoma. Transl Oncol. 2020 Oct;13(10):100820. doi: 10.1016/j.tranon.2020.100820. Epub 2020 Jul 1.
- Bassi M, Russomando A, Vannucci J, Ciardiello A, Dolciami M, Ricci P, Pernazza A, D'Amati G, Mancini Terracciano C, Faccini R, Mantovani S, Venuta F, Voena C, Anile M. Role of radiomics in predicting lung cancer spread through air spaces in a heterogeneous dataset. Transl Lung Cancer Res. 2022 Apr;11(4):560-571. doi: 10.21037/tlcr-21-895.
Datoer for undersøgelser
Studer store datoer
Studiestart (FAKTISKE)
Primær færdiggørelse (FAKTISKE)
Studieafslutning (FAKTISKE)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (FAKTISKE)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (FAKTISKE)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- RADIOMICS
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .
Kliniske forsøg med Lunge Adenocarcinom
-
Seoul National University HospitalAfsluttet
-
Seoul National University HospitalAfsluttet
-
Yonsei UniversityAfsluttetOne Lung VentilationKorea, Republikken
-
Sichuan UniversityWest China HospitalMidlertidigt ikke tilgængeligOne Lung Ventilation
-
Chinese Chronic Respiratory Disease Research NetworkRekruttering
-
Mansoura UniversityAfsluttetOne Lung VentilationEgypten
-
Dokuz Eylul UniversityAfsluttetOne Lung VentilationKalkun
-
Luca BrazziA.O.U. Città della Salute e della Scienza - Molinette HospitalIkke rekrutterer endnuIntubationskomplikation | One Lung Ventilation
-
Ankara Ataturk Sanatorium Training and Research...Ikke rekrutterer endnuOne-lung Ventilation (OLV)Tyrkiet (Türkiye)
-
Joseph D. TobiasAfsluttetOne-lung Ventilation (OLV)Forenede Stater