Aufbau eines multimodalen Bildgebungssystems zur Vorhersage des Risikos einer heterochronen Metastasierung von Rektumkrebs (MIS-MRC)

Der Datenerfassungsprozess erfolgt unter strikter Umsetzung eines speziellen Managements, der vollständige Name der Qualitätskontrolle. Spezielles Personal ist für die Erfassung klinischer Bilder und pathologischer Informationen von Patienten im Krankenaktensystem verantwortlich. Zur Identifizierung und Verarbeitung werden persönliche Identifikationsdaten verwendet, um die Privatsphäre der Testpatienten/Teilnehmer zu schützen. Gleichzeitig gibt es eine spezielle Person, die für die Qualitätskontrolle und die Überprüfung der Quelldaten verantwortlich ist. Die Teilnehmer verwenden die einheitliche Projektnummer als eindeutigen Identifikationscode, geben persönliche Daten und Fallinformationen durch das Probenmanagement ein und speichern sie. Der Benutzer sieht nur die individuelle Nummer und zeigt nicht mehr den Namen des Teilnehmers und andere persönliche Informationen an. Es wurde ein Datenwörterbuch erstellt, das detaillierte Beschreibungen jeder von der Registrierung verwendeten Variablen enthält, einschließlich der Quelle der Variablen und Codierungsinformationen. Die Probeninformationen der Teilnehmer werden elektronisch auf einem speziellen Computer gespeichert, der nicht für andere Zwecke verwendet wird, und mit einem Passwort versehen, das nur der Person (1 Person) zugänglich ist, die die Probe verwaltet. Die Krankenakten der Teilnehmer werden im Krankenhaus aufbewahrt und sind nur für Forscher zugänglich; Bei Bedarf können Mitglieder der Bieterorganisation, der Ethikkommission oder der Regierungsverwaltung nach Maßgabe der entsprechenden Behörde auf die personenbezogenen Daten der Teilnehmer zugreifen. Die Ergebnisse der Studie werden als statistisch analysierte Daten veröffentlicht und enthalten keine identifizierbaren Teilnehmerinformationen.

Der Sponsor ist für die Implementierung und Aufrechterhaltung von Qualitätssicherungs- und Qualitätskontrollsystemen mit schriftlichen Standardarbeitsanweisungen (SOPs) verantwortlich, um sicherzustellen, dass Studien durchgeführt und Daten in Übereinstimmung mit dem Protokoll und den guten klinischen Praktiken generiert, dokumentiert (aufgezeichnet) und gemeldet werden ( GCP) und die geltenden regulatorischen Anforderungen. Die SOPs sollten die Einrichtung, Installation und Nutzung des Systems abdecken. Die SOPs sollten Systemvalidierung und Funktionstests, Datenerfassung und -verarbeitung, Systemwartung, Systemsicherheitsmaßnahmen, Änderungskontrolle, Datensicherung, Wiederherstellung, Notfallplanung und Stilllegung beschreiben. Die Verantwortlichkeiten des Sponsors, des Prüfarztes und anderer Parteien im Hinblick auf die Verwendung dieser computergestützten Systeme sollten klar sein, und die Benutzer sollten in der Verwendung geschult werden. Die Nichteinhaltung des Protokolls, der SOPs, der GCP und/oder der geltenden behördlichen Anforderungen durch einen Prüfer/eine Institution oder durch einen oder mehrere Mitarbeiter des Sponsors sollte zu sofortigen Maßnahmen des Sponsors führen, um die Einhaltung sicherzustellen.

Entsprechend der Morbidität von LARC und dem Risiko einer Fernmetastasierung beträgt die Stichprobengröße 300 und das Nachbeobachtungsintervall mindestens 3 Jahre.

Plan für fehlende Daten: Wenn der Anteil fehlender Daten sehr groß ist, beispielsweise mehr als 95 %, können die Ermittler dieses Feld direkt entfernen; Bei 50–95 % stehen den Ermittlern zwei Verarbeitungsmethoden zur Verfügung: Eine besteht darin, dieses Feld direkt zu entfernen; Eine andere Möglichkeit besteht darin, das Feld in eine Indikatorvariable umzuwandeln. das ist die Variable 0-1. Wenn das Feld leer ist, ist das Feld 0; Andernfalls ist das Feld 1. Zwischen 5 % und 50 %: In diesem Szenario müssen die Ermittler die fehlenden Werte ergänzen. Beim Füllvorgang gibt es zwei Kategorien: einfaches Füllen und Algorithmus-Füllung. Einfache Füllung umfasst: 0-Füllung, mittlere Füllung, mittlere Füllung, Mode-Füllung; Algorithmus-Füllmethoden wie K-Nächste-Nachbarn-Füllung (KNN), zufällige Waldfüllung usw.

Statistics Statistical Product and Service Solutions (SPSS, Version 26.0) und R-Software (Version 4.0.5) wurden für statistische Analysen verwendet. Mithilfe der ROC-Kurvenanalyse (Receiver Operating Characteristic) wurde der optimale Cutoff-Wert des Tumor-Stroma-Verhältnisses (TSR) bei der Unterscheidung des DM-Risikos basierend auf dem maximalen Youden-Index ermittelt. Heatmaps zeigten die Verteilung der Variablen zwischen Patienten mit und ohne DM innerhalb von 3 Jahren. Die unabhängigen DMFS-Risikofaktoren wurden mithilfe von Kaplan-Meier (K-M)-Kurven und Cox-Regressionsanalyse nacheinander auf der Grundlage der Daten der Trainingskohorte bestimmt. Die statistische Signifikanz wurde auf P<0,05 festgelegt. Die Variabilität zwischen Beobachtern wurde mithilfe von κ-Statistiken für kategoriale und Rangvariablen und ICC für kontinuierliche Variablen bewertet.

TSR-Bewertung Biopsieproben aus der Koloskopie wurden in 5-μm-Scheiben geschnitten und mit H&E gefärbt. Bereiche mit auf allen vier Seiten vorhandenen Stroma- und Tumorzellen wurden ausgewählt, um das Tumor-Stroma-Verhältnis (TSR) mithilfe einer automatisierten Bewertungsmethode zu bewerten. Der höchste Anteil an Stromakomponenten in allen gemessenen Bereichen wurde in dieser Studie als endgültiger TSR-Wert erfasst.

Magnetresonanzanalyse Zur Analyse der MR-Bilder wurde eine maschinelle Lernmethode verwendet, die Bilderfassung und -rekonstruktion, Bildsegmentierung, Merkmalsextraktion und -qualifizierung, Analyse und Modellbildung umfasst.

Magnetresonanzuntersuchungen (MR) vor der Behandlung wurden mit 3,0-T-Scannern mit einer 8-Kanal-Phased-Array-Wickeloberflächenspule durchgeführt. Sofern keine Kontraindikation vorliegt, wurde eine intramuskuläre Injektion von 10 mg Raceanisodaminhydrochlorid verabreicht, um den Stuhlgang zu minimieren. Zu den erfassten Sequenzen gehörten T1-gewichtete Bildgebung (T1WI), T2-gewichtete Bildgebung (T2WI) mit und ohne Fettsättigung und diffusionsgewichtete Bildgebung (DWI).

Der interessierende Tumorbereich (ROI) wurde vom ersten Radiologen manuell Schicht für Schicht auf einem hochauflösenden schrägen axialen T2WI (orthogonal zum Rektumlumen) abgegrenzt und anschließend vom zweiten Radiologen mit mehr Erfahrung im Insight Segmentation and Registration Toolkit bestätigt -Standford Network Analysis Project (ITK-SNAP), aus dem das dreidimensionale Gesamttumorvolumen von Interesse (VOI) ermittelt wurde. Meinungsverschiedenheiten wurden durch Gespräche gelöst. Die Radiologen waren für die klinisch-pathologischen Informationen blind. Insgesamt wurden aus jedem VOI 1229 Merkmale extrahiert, die in vier Kategorien eingeteilt werden können: (1) Formmerkmale; (2) statistische Merkmale erster Ordnung; (3) Texturmerkmale; und (4) statistische Merkmale höherer Ordnung.

Die Inter- und Intraclass-Korrelationskoeffizienten (ICCs) der extrahierten Merkmale wurden berechnet, um die Reproduzierbarkeit der Merkmale zu bewerten. Merkmale mit <0,75 ICCs galten als instabil und wurden eliminiert. Mithilfe der Pearson-Korrelationsanalyse wurden redundante Merkmale identifiziert, und für zwei beliebige Merkmale mit einem Koeffizienten von 0,9 wurde dasjenige mit dem größeren mittleren absoluten Koeffizienten eliminiert. Der kleinste absolute Schrumpfungs- und Auswahloperatoralgorithmus (LASSO) wurde angewendet, um den signifikantesten Vorhersageparameter aus der Trainingskohorte auszuwählen, und eine fünffache Kreuzvalidierung wurde verwendet, um eine Dimensionsreduktion durchzuführen. Eine Unterschrift (d. h. Radscore) wurde mithilfe einer linearen Kombination der endgültig ausgewählten Merkmale berechnet, die mit den jeweiligen Koeffizienten gewichtet wurden.

Modellerstellung und Validierung: Basierend auf den Ergebnissen der Cox-Regression ein Nomogramm (Mr), das alle unabhängigen Risikofaktoren außer TSR integriert, ein TSR-Nomogramm (Mt), das alle unabhängigen Risikofaktoren außer dem Radscore integriert, und ein kombiniertes Modell (Mrt), das alle berücksichtigt Es wurden unabhängige Risikofaktoren konstruiert, um das 3-Jahres-DM-Risiko vorherzusagen. Die Unterscheidungsfähigkeit dieser Modelle wurde anhand von ROC-Kurven bewertet und verglichen. Zur Untersuchung der Kalibrierungsfähigkeit der drei Modelle wurden Kalibrierungsdiagramme erstellt. Um den klinischen Nutzen zu untersuchen, wurde eine Entscheidungskurvenanalyse durchgeführt, indem der Nettonutzen jeder Entscheidungsstrategie bei jeder Schwellenwertwahrscheinlichkeit berechnet wurde.