Lungenkrebs Multi-Omics Digitale menschliche Avatare zur Integration der Präzisionsmedizin in die klinische Praxis (LANTERN)

Patientenregistrierung und Omics-Datenerfassung Das Ziel dieses Arbeitspakets ist es, Informationen aus allen klinischen und Omics-basierten Datenquellen zu sammeln, die als klinisch bedeutsam für die Entscheidungsunterstützung im umfassenden Diagnose- und Therapie-Workflow von Lungenkrebs angesehen werden. Ein strukturiertes terminologisches System wird für die prospektive Datenerhebung durch spezifische Fallberichtsformulare (CRFs) entwickelt.

Die Patienten werden von den dedizierten Forschungsregistrierungszentren eingeschrieben, und die Daten, die aus den fünf Omics-basierten Variablen gewonnen werden, werden gesammelt und in einer sicheren Datenbank aufgezeichnet.

Omics-Datenarchivierung und Interaktionsfähigkeit Das Hauptziel dieses Arbeitspakets ist es, eine vollständige Datenintegration sowohl in bestehende als auch in neue Archivierungssysteme zu ermöglichen und eine einfache und effektive Nutzung und gemeinsame Nutzung der gesammelten Omics-Daten sicherzustellen.

Alle gesammelten Daten, die die verschiedenen betrachteten Omics-Domänen repräsentieren, werden gemäß einer gemeinsamen gemeinsamen Ontologie aufgezeichnet. Die gemeinsame allgemeine Ontologie stellt ein strukturiertes terminologisches System für die Datenarchivierung und -analyse dar, in dem alle verschiedenen Omics-Domänen in einem spezifischen eCRF aufgezeichnet werden, wodurch die Kohärenz für alle gesammelten Datenvariablen sichergestellt wird. Abschließend werden die gesammelten Omics-bezogenen Daten einer radiomischen Analyse unterzogen und dann radiomische Merkmale extrahiert.

Omics-Datenmodellierung, Erstellung und Validierung digitaler menschlicher Avatare (DHA).

Dieses WP konzentriert sich auf die Entwicklung genauer Vorhersagemodelle (durch die Erstellung von Digital Human Avatars (DHA)) und auf deren Validierung. Der Zweck dieses Arbeitspakets ist es, effektive primäre Biomarker zu identifizieren, sie durch kompakte statistische Modelle zu harmonisieren und anschließend patientenspezifische DHAs zu erstellen, die für jeden Patienten einzigartig sind. Wir planen, alle oben genannten Omics-Daten in Vorhersagemodelle zu integrieren, die die Grundlage für ein vollständig personalisiertes und innovatives integriertes Entscheidungsunterstützungssystem für Lungenkrebs darstellen. Dieses WP gliedert sich in drei Phasen:

Phase 1: Identifizierung und Auswahl von Omics-Merkmalen Phase 2: Vorhersagemodellentwicklung und DHA-Erstellung Phase 3: Vorhersagemodell und DHA-Validierung

Identifizierung und Auswahl von Omics-Funktionen:

Im ersten Schritt wird eine explorative Analyse aller gesammelten Datensätze aus einer Schätzung von ≈ 240 NSCLC-Patienten den Beginn des Biomarker-Identifizierungsprozesses ermöglichen und die gegossene Informationsmenge auf einen ausgewählteren Pool potenzieller Biomarker beschränken. In dieser ersten Phase werden robuste Datenanalysetechniken eingesetzt, um relevante Variablen in einem univariaten Setting zu identifizieren, wobei individuelle statistische Verteilungen, merkmalsrelevante Korrelationen und allgemeine deskriptive Statistiken berücksichtigt werden.

Vorhersagemodellentwicklung und DHA-Erstellung:

Das Ziel der zweiten Phase ist die Erstellung mehrerer unterschiedlicher, aber modularer multivariater Modelle, die durch fortschrittliche ML- und KI-Techniken trainiert werden, segmentiert in spezifische modulare Interessengebiete und die anschließende Erstellung der DHA. Es werden verschiedene überwachte Modelle entwickelt, darunter logistische Regression, Entscheidungsbaum, Support Vector Machine, Random Forest, XGBoost-Klassifikator und künstliche neuronale Netze. Die k-fache Kreuzvalidierung wird für die Optimierung der Hyperparameter verwendet und ein statistischer Signifikanzvergleich der Leistung der ML-Modelle wird durchgeführt. Dies wird durchgeführt, um die Vorhersageleistungen auf der Grundlage von Genauigkeit (Anzahl der korrekt klassifizierten Probanden in Bezug auf die Gesamtzahl der Patienten) und Präzision (richtig positiv bei Gesamttest positiv, Erinnerung (Empfindlichkeit), F1-Score (2*Präzision*Erinnerung/(Präzision +Rückruf)) und AUC-ROC.

Die DHA-Erstellung wird die Integration spezifischer Algorithmen in die Datenextraktionspipeline umfassen, um den Datenfluss zu bereinigen und neu zu strukturieren, während Text-Mining- und Verarbeitungstechnologien für natürliche Sprache auf die unstrukturierten Texte angewendet werden. Die Ergebnisse dieser Vorverarbeitung werden dann durch eine speziell zugewiesene Ontologie umcodiert, um Duplikate aufzudecken. Dies führt zur Schaffung von Data Marts, die kontinuierlich und automatisch mit neuen Daten aktualisiert werden. Basierend auf den bereits verarbeiteten verfügbaren Daten werden der entwickelte Algorithmus und die zugrunde liegende Infrastruktur verwendet, um neu aktualisierte Patientendateneingaben durch die Kliniker über die Schnittstelle zu klassifizieren. Die resultierenden Daten, die über die dynamische Schnittstelle präsentiert werden, ermöglichen die gründliche Untersuchung zuvor hinzugefügter Patientendaten, die bereits in der Datenbank vorhanden sind, um auf der Grundlage historischer Daten und der Erfahrung des Klinikers die beste Vorgehensweise abzuleiten. Dies wird zu einem allgemeineren Explorationsworkflow führen, der als Hypothesengenerator für den Benutzer fungiert, indem er Informationen basierend auf benutzerdefinierten Kriterien gruppiert und so eine explorative Analyse der verfügbaren Daten generiert.

Die Ermittler schätzen, dass etwa 300 NSCLC-Fälle mit vollständigen Daten ausreichen werden, um diesen Prozess zu starten. Sowohl die Benutzerfreundlichkeit als auch die Erklärbarkeit des Modells werden als primärer Standard der Modellentwicklungsstrategien dienen. Leicht interpretierbare Werte wie SHAP-Werte (SHapley Additive exPlanations) werden jedem Modell beigefügt, um Black-Box-Ansätze zu vermeiden, die es den Patienten bei ihren Interaktionen mit den Klinikern erschweren könnten, die Modellergebnisse zu erklären.

Vorhersagemodell und DHA-Validierung: Sowohl das entwickelte Modell als auch die umfassende DHA werden validiert, um ihre Robustheit, Übertragbarkeit und Generalisierbarkeit zu testen. Es werden jeweils zwei aufeinanderfolgende Validierungsstrategien angewendet: die interne und die externe Validierungstechnik. Wir schätzen eine Gesamtzahl von ungefähr 420 NSCLC-Fällen, um den Validierungsprozess zu starten. Dieser Prozess umfasst sowohl eine interne als auch eine externe Validierung.