Mejora de la calidad de la radioterapia mediante modelos de optimización de planificación basados en el conocimiento de múltiples instituciones (acrónimo: MIKAPOCo, enfoque multiinstitucional basado en el conocimiento en la optimización de planes para la comunidad) (MIKAPOCo)
Mejora de la calidad de la radioterapia mediante modelos de optimización de la planificación basados en el conocimiento de múltiples instituciones
Nuestra hipótesis central es que es posible crear bibliotecas de planes-modelos "consistentes" basados en el conocimiento derivados de grandes experiencias institucionales. Estas bibliotecas se pueden utilizar para guiar la planificación de RT automatizada y servir como herramientas para ayudar a los centros a planificar el control de calidad (QA) y la predicción de planes.
Se espera que la cuantificación de la variabilidad entre institutos de la planificación de RT y la creación de bibliotecas de modelos de predicción de planes de KB multiinstitucionales intercambiables y validados repercutan en la calidad de la planificación a nivel nacional. El proyecto tiene el potencial de facilitar la introducción de enfoques de IA en la optimización de planes, reduciendo así la variabilidad de planificación intra e interinstitucional. Se espera que mejorar la calidad del plan se traduzca en mejores resultados después de la RT en términos de control local y, aún más, de efectos secundarios y calidad de vida. También se espera un impacto positivo en la selección de pacientes para técnicas avanzadas, en la auditoría y optimización de planes en ensayos clínicos, en la comparación de tecnologías y análisis de coste-beneficio, así como en el campo educativo de RT.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Objetivos principales
- Crear bibliotecas de modelos KB generados consistentemente para pacientes tratados con RT para cáncer de mama y próstata y para aplicaciones seleccionadas de RT de cuerpo estereotáctico (SBRT) basadas en la experiencia de muchas instituciones italianas; cuantificar la variabilidad de la planificación entre institutos en clases homogéneas de pacientes.
- Agrupar modelos en función de sus características e intercambiabilidad. Evaluar grupos de modelos altamente intercambiables que se considerarán con fines de predicción de histogramas de dosis-volumen (DVH) multiinstitucionales.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Milano, Italia, 20133
- IRCCS Ospedale San Raffaele
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
Datos de planes consecutivos (o elegidos al azar) de la vida real de pacientes tratados por cáncer de próstata, cáncer de mama y para situaciones SBRT seleccionadas (columna vertebral y próstata, según los esquemas RTOG 0631 y 0938 respectivamente) durante los últimos 10 años.
Es necesario evaluar el número mínimo de pacientes de la cohorte de prueba, que se considerarán para evaluar las diferencias entre institutos (es decir, entre modelos) en DVH y predicción de estadísticas de dosis. Para hacer una estimación significativa del número máximo necesario para apreciar las diferencias, podemos centrarnos en la situación de planificación con el mayor nivel esperado de estandarización (es decir, esperando una variabilidad intra e interinstitucional relativamente pequeña) y asumir las situaciones restantes más propenso a la variabilidad. Este "peor caso" se identificó en el tratamiento del cáncer de mama izquierdo con irradiación de campo tangencial, centrándose en la dosis media al corazón, reconocida por estar asociada a la mortalidad cardíaca a largo plazo. Según los datos piloto del centro PI, la dosis media de la población al corazón es de 2,7 Gy con una DE igual a 0,9 Gy, con una distribución gaussiana de valores dentro de una población de 103 pacientes consecutivos. Considerando como clínicamente relevante un cambio sistemático de 1,3 Gy (correspondiente a un aumento excesivo de la mortalidad cardíaca del 5% [27]), el número mínimo de pacientes necesarios para detectar dicha diferencia con un poder del 80% es n=8 por centro (alfa: 0,05 ).
Criterio de exclusión:
-
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
intercambiabilidad de modelos
Periodo de tiempo: 3 años
|
la intercambiabilidad se evaluará considerando: a) la fracción de pacientes identificados como "valores atípicos de anatomía" (en términos de fuera de los límites de las características geométricas (GF) de cada modelo) una vez que el modelo proveniente del Instituto X se aplica a los pacientes del Instituto Y (modX-Y) y viceversa (modY-X); b) las diferencias relativas en las predicciones de DVH entre modX-Y y modY-X, incluidos y no incluidos los pacientes con "valores atípicos de GF" previamente reconocidos.
Con base en estos resultados y en su interpretación clínica, se identificarán tentativamente subgrupos de modelos KB con intercambiabilidad "alta" y se cuantificarán las relaciones entre GF y la intercambiabilidad.
|
3 años
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Claudio Fiorino, Msc, IRCCS Ospedale San Raffaele
Publicaciones y enlaces útiles
Publicaciones Generales
- Esposito PG, Castriconi R, Mangili P, Broggi S, Fodor A, Pasetti M, Tudda A, Di Muzio NG, Del Vecchio A, Fiorino C. Knowledge-based automatic plan optimization for left-sided whole breast tomotherapy. Phys Imaging Radiat Oncol. 2022 Jun 23;23:54-59. doi: 10.1016/j.phro.2022.06.009. eCollection 2022 Jul.
- Tudda A, Castriconi R, Benecchi G, Cagni E, Cicchetti A, Dusi F, Esposito PG, Guernieri M, Ianiro A, Landoni V, Mazzilli A, Moretti E, Oliviero C, Placidi L, Rambaldi Guidasci G, Rancati T, Scaggion A, Trojani V, Fiorino C. Knowledge-based multi-institution plan prediction of whole breast irradiation with tangential fields. Radiother Oncol. 2022 Oct;175:10-16. doi: 10.1016/j.radonc.2022.07.012. Epub 2022 Jul 19.
- Monticelli D, Castriconi R, Tudda A, Fodor A, Deantoni C, Gisella Di Muzio N, Mangili P, Del Vecchio A, Fiorino C, Broggi S. Knowledge-based plan optimization for prostate SBRT delivered with CyberKnife according to RTOG0938 protocol. Phys Med. 2023 Jun;110:102606. doi: 10.1016/j.ejmp.2023.102606. Epub 2023 May 15.
- Castriconi R, Esposito PG, Tudda A, Mangili P, Broggi S, Fodor A, Deantoni CL, Longobardi B, Pasetti M, Perna L, Del Vecchio A, Di Muzio NG, Fiorino C. Replacing Manual Planning of Whole Breast Irradiation With Knowledge-Based Automatic Optimization by Virtual Tangential-Fields Arc Therapy. Front Oncol. 2021 Aug 24;11:712423. doi: 10.3389/fonc.2021.712423. eCollection 2021.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- IG23150
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .