- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04893200
Radiomics-basiertes Vorhersagemodell der Tumorausbreitung durch den Luftraum bei Lungenadenokarzinom
Könnte Radiomics die Tumorausbreitung durch den Luftraum bei einem Lungenadenokarzinom in allen Computertomographie-Einstellungen vorhersagen?
Die Ausbreitung durch den Luftraum (STAS) wurde als negativer prognostischer Faktor bei Patienten mit Lungenkrebs berichtet, denen eine sublobäre Resektion unterzogen wurde. Seine präoperative Beurteilung könnte daher nützlich sein, um die chirurgische Behandlung anzupassen. Radiomics wurde kürzlich vorgeschlagen, um STAS bei Patienten mit Lungenadenokarzinom vorherzusagen. Alle Studien haben jedoch sowohl die Bildgebung als auch die Patienten streng ausgewählt, was zu Ergebnissen führte, die für die tägliche klinische Praxis kaum anwendbar sind. Das Ziel dieser Studie ist es, ein Radiomics-basiertes Vorhersagemodell von STAS in einem praxisbasierten Datensatz zu testen und seine Gültigkeit und Translationspotenziale zu überprüfen.
Für den Trainingsabschnitt wurden retrospektiv radiologische und klinische Daten von 100 konsekutiven Patienten mit reseziertem Lungenadenokarzinom erhoben. Wie in der klinischen Praxis üblich, wurden präoperative CT-Bilder unabhängig voneinander von verschiedenen Ärzten und aus verschiedenen Krankenhäusern aufgenommen. Daher weist unser Datensatz eine hohe Varianz in Bezug auf Modell und Herstellung des Scanners, des Erfassungs- und Rekonstruktionsprotokolls, der endovenösen Kontrastphase und der Pixelgröße auf. Um den Effekt der Normalisierung in stark variierenden Daten zu testen, wurden präoperative CT-Bilder und interessierende Tumorregionen mit vier verschiedenen Pipelines vorverarbeitet. Merkmale wurden mithilfe von Pyromics extrahiert und unter Berücksichtigung sowohl der Trennleistung als auch der Robustheit innerhalb von Pipelines ausgewählt. Danach wurde ein Radiomics-basiertes Vorhersagemodell von STAS unter Verwendung der wichtigsten zugehörigen Merkmale erstellt. Dieses Modell wurde dann in einer Gruppe von 50 Patienten validiert, die prospektiv als externe Validierungsgruppe aufgenommen wurden, um seine Wirksamkeit bei der STAS-Vorhersage zu testen.
Studienübersicht
Status
Bedingungen
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Roma, Italien, 00139
- Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten mit Verdacht auf oder histologisch nachgewiesenem Lungenadenokarzinom, die sich einer Lungenkrebsoperation unterziehen;
- Verfügbare präoperative CT-Bilder
- Alter älter als 18 Jahre
Ausschlusskriterien:
- Brustwandinfiltration
- Radioinduktions- oder Chemotherapie
- Unvollständige chirurgische Resektion
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
---|
Lungenadenokarzinom
Bildgebung von Patienten mit chirurgisch behandeltem Lungenadenokarzinom wurde gesammelt und für die Konstruktion des Radiomics-basierten Vorhersagemodells verarbeitet
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Empfindlichkeit
Zeitfenster: 24 Stunden vor der Operation
|
Testen der Empfindlichkeit von Radiomics zur Vorhersage von STAS unter Verwendung der Fläche unter der Betriebskennlinie des Empfängers
|
24 Stunden vor der Operation
|
Spezifität
Zeitfenster: 24 Stunden vor der Operation
|
Testen der Spezifität von Radiomics zur Vorhersage von STAS unter Verwendung der Fläche unter der Betriebskennlinie des Empfängers
|
24 Stunden vor der Operation
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Hauptermittler: Marco Anile, MD, La Sapienza Università di Roma
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- 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.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (TATSÄCHLICH)
Primärer Abschluss (TATSÄCHLICH)
Studienabschluss (TATSÄCHLICH)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (TATSÄCHLICH)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- RADIOMICS
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Lungen-Adenokarzinom
-
Hal C CharlesAbgeschlossenKonstriktive Bronchiolitis | Irak-Afganistan War Lung Injury SyndromeVereinigte Staaten
-
Joseph MccuneEunice Kennedy Shriver National Institute of Child Health and Human Development... und andere MitarbeiterBeendetLupus erythematodes, systemisch | Systemische Vaskulitis | Lungenerkrankung mit systemischer Sklerose | Isolierte Angiitis des zentralen Nervensystems | Lung Disease Interstitial DiffusVereinigte Staaten