Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Ekspertkonsensus og kunstig intelligens i medicinsk beslutningstagning hos patienter med ondartede hjernetumorer (EC-AIM Brain)

14. oktober 2024 opdateret af: Tufts Medical Center

En undersøgelse baseret på undersøgelse, der vurderer muligheden for at bruge standardiserede kliniske vignetter til at hjælpe med medicinsk beslutning hos patienter med ondartede hjernetumorer

Næsten 23.000 voksne diagnosticeres med malignitet i primært centralnervesystem (CNS) årligt. Yderligere 200.000 voksne er diagnosticeret med hjernemetastaser. Der er betydelige variationer i CNS-tumorbehandling. På grund af betydelig heterogenitet i patientbaselinefaktorer er det imidlertid en udfordring at identificere uberettiget variation. Ghogawala et al. har tidligere påvist, at blandt patienter, der gennemgår kirurgisk behandling af cervikal myelopati og lumbal degenerativ rygmarvssygdom, kan et ekspertpanel bestående af kirurgeksperter identificere variationer i foreslået kirurgisk indgreb og demonstreret overlegne patientresultater, når den udførte operation matchede proceduren anbefalet af ekspertkonsensus. Ekspertpanelundersøgelser er ikke tidligere blevet brugt til at identificere variationer i pleje blandt patienter med CNS-malignitet.

Det primære mål er at afgøre, om patientresultater er overlegne, når behandlingen stemmer overens med anbefalinger fra et klinisk ekspert neurokirurgisk panel. Undersøgelsen søger også at identificere patientfaktorer, der disponerer for variation i plejen. Vores langsigtede mål er at afgøre, om prædiktive kunstige læringsalgoritmer kan opnå de samme resultater eller bedre som kliniske ekspertpaneler, men med større effektivitet og større kapacitet til at være tilgængelig for flere patienter. Efterforskerne antager, at:

  • Når et team på 10 medicinske eksperter har mere end 80 % konsensus om optimal behandling, og når lægen og patienten vælger den specifikke behandling, er resultatet bedre end når en patient og læge vælger en alternativ procedure.
  • Når et team på 10 medicinske eksperter har mere end 80 % konsensus om optimal behandling, kan de strukturerede data, som eksperterne bruger, behandles og trænes ved hjælp af computeralgoritmer til at forudsige det mønster, der genkendes af eksperterne - dvs. - computeren kan forudsige, hvordan en ekspert panel ville stemme.

Procedurer omfatter følgende:

  1. Diagramgennemgang del af undersøgelsen: Patienter vil blive identificeret fra case-logs fra de vigtigste efterforskere fra juli 2017 til juli 2023. Data vil blive indsamlet retrospektivt og vil omfatte alder, ikke-identifikator demografi, diagnosedetaljer, operative/behandlingskarakteristika, efterbehandlingskarakteristika og opfølgningskarakteristika. De gennemgåede billeder vil omfatte MRI'er før og efter behandling opnået som en del af rutinepleje. Data vil blive abstraheret fra journalen (Epic/Soarian og PACS) og registreret i en excel-database.
  2. Undersøgelsesdel af undersøgelsen: Afidentificerede strukturerede radiografiske data og en kort klinisk vignet uden patientidentifikatorer vil blive uploadet til Acesis Healthcare Process Optimization Platform (http://www.acesis.com/our-platform). En undersøgelse vil blive genereret af Acesis og e-mailet til fageksperterne/deltagerne. Denne del er prospektiv.
  3. Kohortedefinitioner:

    1. Patienterne vil blive tildelt enten "ekspert-behandling konsensus" eller "ingen ekspert-behandling konsensus" arme baseret på, om mere end 80% konsensus opnås
    2. Patienter vil blive tildelt enten "Ekspert konsensus-aligned" eller "Ekspert konsensus - unaligned" arme baseret på, om ekspertundersøgelsesresultater matcher den faktiske behandling, der er givet.
  4. Data vil derefter blive analyseret ved hjælp af passende pakker med SAS statistisk analysesoftware. Overlevelsesanalyse vil blive udført for at bestemme, om konsensus forudsiger forbedret progressionsfri overlevelse (PFS).
  5. De strukturerede og afidentificerede røntgenbilleder, der bruges af eksperterne i undersøgelser, vil blive brugt til træning og udvikling af en AI-algoritme. Formålet med denne del af undersøgelsen er at afgøre, om standardiseret og struktureret billeddannelse kan bruges til at træne en algoritme til at forudsige, om ekspertkonsensus opnås og den anbefalede behandling.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Intervention / Behandling

Detaljeret beskrivelse

1) Statistisk analyseplan:

  1. dette dokument indeholder detaljerne i de statistiske analyser, der er planlagt til EC-AIM Brain-undersøgelsen.
  2. Formålet med denne undersøgelse:

jeg. Det primære mål er at afgøre, om patienter, hvis behandling stemmer overens med ekspertkonsensus, har et bedre resultat end dem, hvis behandling ikke stemmer overens med ekspertkonsensus.

  1. Dette vil blive bestemt med et primært endepunkt for progressionsfri overlevelse (levende og uden tumorvækst ved sidste opfølgning).
  2. Dette vil blive testet med log-rank test for lighed af overlevelseskurver (EC/aligned vs EC/unaligned).

2) Forkortelser:

  1. EF - ekspertkonsensus
  2. HR - hazard ratio
  3. OS - samlet overlevelse
  4. PFS - progressionsfri overlevelse
  5. KPS - Karnofsky Performance Score 3) Målgruppe:

en. Inklusionskriterier: i. Konsekutive patienter behandlet af neurokirurger på et enkelt center mellem april 2018 og juli 2023 for maligne hjernetumorer, herunder gliom, metastaser og lymfom.

b. Ekskluderingskriterier:

  1. Patienter uden tilgængelige MRI dicom billeder
  2. Patienter med andre CNS maligniteter
  3. Patienter med multiple tilbagevendende gliomer, der gennemgår behandling til primært palliative formål
  4. Patienter yngre end 16 år 4) Prøveudtagning: Konsekutiv 5) Prøvestørrelsesvurdering: a. Det er udfordrende at bestemme en estimeret effektstørrelse, som EC ville give. Fra tidligere forskning om ekspertpaneler i lumbal spondylolistese blev en prøvestørrelse på ca. 200 patienter bemærket at være tilstrækkelig til indledende vurdering. Som sådan vil undersøgelsen omfatte 225 forsøgspersoner som vores kohortestørrelse for at tage højde for ~10% patienttab til opfølgning.

6) Dataopsamlingsmetoder:

  1. Standardiserede kliniske vignetter med afidentificerede kliniske data og standardiserede radiografiske billeder og video vil blive uploadet til Acesis HPOP-platformen.

jeg. Uploadede filer vil inkludere repræsentative multiplanar magnetisk resonans eller computertomografibilleder. En e-mail med et link til undersøgelsen vil blive distribueret til hjernetumorekspertpanelet c. Ekspertrespondenter har 72 timer til at svare på en standardiseret undersøgelse d. Ekspertrespondenter kan svare på spørgsmål vedrørende foreslået behandling såvel som eventuelle supplerende teknologier, der er nødvendige. kohorteallokering (baseret på undersøgelsesresultater og faktisk behandling) vil blive udført af en separat undersøgelsesforsker.

8) Manglende data:

en. Alle emner vil blive inkluderet i den primære resultatanalyse. De vil blive censureret ved den sidste opfølgende vurdering. Alle manglende data vil blive antaget at mangle tilfældigt.

9) Kvalitetssikringsplan: 10) Tildeling af resultatgruppe:

en. Behandling vil blive defineret i følgende fire kategorier: i. Observation/ingen behandling ii. Kun biopsi iii. Resektion iv. Strålebehandling b. Ekspertkonsensus vil blive defineret som mindst 80 % enighed blandt mindst 10 respondenter. Aligned vil blive defineret som den anbefalede behandlingskategori ovenfor, der matcher den faktiske behandling, der gives 11) Resultatanalyse:

en. Primær resultatvariabelanalyse: i. Det primære resultatmål er progressionsfri overlevelse (levende og uden tegn på tumorvækst ved opfølgning) ii. Hypotese:

  1. H0: hEC_aligned ≤ hEC_unaligned
  2. HA: hEC_aligned > hEC_unaligned iii. Dette vil blive testet med log-rank test for lighed af overlevelseskurver (EC/aligned vs EC/unaligned).

iv. Testen vil være ensidig (alfa=0,025) b. Yderligere analyser af det primære resultat: i. Justering for kendte confoundere inklusive diagnose, alder, KPS, omfang af resektion ii. Eksplorativ dataanalyse ved hjælp af beskrivende statistik og logistisk regression/lineær regression vil blive brugt til at evaluere for interaktioner og forvirrende kovarianter. c. Sekundær resultatvariabelanalyse: i. Samlet overlevelse ii. Dataanalyse vil være undersøgende og understøttende, og derfor vil den statistiske plan ikke tage højde for mangfoldighed iii. Sekundære analyser vil blive udført for OS og PFS for to- og tre-kohortegrupper

  1. EC/aligned vs EC/unaligned
  2. EM vs ingen EM
  3. EC/aligned vs EC/unaligned vs no EC 12) Planlagt analyse for prædiktorer for EC

    1. Dataanalyse vil være undersøgende og understøttende, og derfor vil undersøgelsen ikke tage højde for mangfoldighed
    2. Beskrivende statistik vil blive brugt til at evaluere forskelle mellem EF- og ingen EF-grupper
    3. Beskrivende statistik vil blive brugt til at evaluere forskelle mellem EF/tilpassede og EF/utilpassede grupper
    4. Fisher eksakte test og chi-kvadrat test vil blive brugt til kategoriske variabler afhængigt af test antagelser
    5. Elevens t-test og Mann-Whitney U-test vil blive brugt til henholdsvis normalfordelte og ikke-normalfordelte kontinuerte variabler
    6. Logistiske regressionsmodeller vil blive brugt til at evaluere for prædiktorer for EC
    7. Overensstemmelse mellem udført behandling og ekspertkonsensus vil blive evalueret ved hjælp af Spearman-koefficienter
    8. Alle statistiske test, der bruges til beskrivende statistik, vil være to-halede (alfa=0,05) 13) Planlagt interim analyse: Ingen 14) Bivirkninger: Ingen forventes, da dette er en retrospektiv diagramgennemgang og undersøgelse baseret undersøgelse.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

225

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

    • Massachusetts
      • Boston, Massachusetts, Forenede Stater, 02111
        • Tufts Medical Center

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Den population, hvorfra prøveudtagning vil finde sted, er alle patienter med CNS-gliomer, metastatisk sygdom og lymfom behandlet af neurokirurger.

Beskrivelse

Inklusionskriterier:

  • på hinanden følgende patienter behandlet på et enkelt center mellem april 2018 og juli 2023 for maligne hjernetumorer, herunder gliom, metastaser og lymfom.

Ekskluderingskriterier:

  • Patienter uden tilgængelige MRI dicom billeder
  • Patienter med andre CNS maligniteter
  • Patienter med multiple tilbagevendende gliomer, der gennemgår behandling til primært palliative formål
  • Patienter under 18 år

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
EC/aligned
Kohorte med ekspertkonsensus tilpasset den faktiske behandling
Interventionen er en e-mail-baseret undersøgelse som beskrevet i undersøgelsesbeskrivelsen.
EF/ujusteret
Kohorte med ekspertkonsensus, der ikke stemmer overens med den faktiske behandling
Interventionen er en e-mail-baseret undersøgelse som beskrevet i undersøgelsesbeskrivelsen.
Intet EF
Ekspertpanel anbefalede behandling opnåede ikke 80 % overensstemmelse
Interventionen er en e-mail-baseret undersøgelse som beskrevet i undersøgelsesbeskrivelsen.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Samlet overlevelse
Tidsramme: Gennem studieafslutning i gennemsnit 2 år
Patienter i live følger endelig op gennem afslutning af undersøgelsen, i gennemsnit 2 år
Gennem studieafslutning i gennemsnit 2 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Progressionsfri overlevelse
Tidsramme: Gennem studieafslutning i gennemsnit to år
Patienter uden sikker evidens for progression ved sidste opfølgning gennem afsluttet undersøgelse, i gennemsnit to år
Gennem studieafslutning i gennemsnit to år

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Efterforskere

  • Ledende efterforsker: Marie Roguski, MD MPH, Tufts Medical Center

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

1. juli 2017

Primær færdiggørelse (Anslået)

1. december 2025

Studieafslutning (Anslået)

1. december 2025

Datoer for studieregistrering

Først indsendt

9. september 2024

Først indsendt, der opfyldte QC-kriterier

14. oktober 2024

Først opslået (Faktiske)

21. oktober 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

21. oktober 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

14. oktober 2024

Sidst verificeret

1. september 2024

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

Ingen

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 Ondartede hjernetumorer

Kliniske forsøg med Kortlægge

Abonner