Radiomiikkaan perustuva ennustemalli kasvaimen leviämisestä ilmatilan kautta keuhkojen adenokarsinoomassa
Voisiko radiomiikka ennustaa kasvaimen leviämisen ilmatilan läpi keuhkojen adenokarsinoomassa kaikissa tietokonetomografia-asetuksissa?
Ilmatilan kautta leviämisen (STAS) on raportoitu olevan negatiivinen ennustetekijä keuhkosyöpäpotilailla, joille on tehty sublobar-resektio. Sen preoperatiivinen arviointi voi siten olla hyödyllinen kirurgisen hoidon räätälöimiseksi. Radiomiikan on äskettäin ehdotettu ennustavan STAS:ia potilailla, joilla on keuhkojen adenokarsinooma. Kaikissa tutkimuksissa on kuitenkin valittu tarkasti sekä kuvantaminen että potilaat, mikä on johtanut tuloksiin, jotka tuskin soveltuvat päivittäiseen kliiniseen käytäntöön. Tämän tutkimuksen tavoitteena on testata STAS:n radiomiikkaan perustuvaa ennustemallia käytäntöpohjaisessa aineistossa ja varmistaa sen validiteetti ja translaatiopotentiaalit.
Radiologiset ja kliiniset tiedot 100 peräkkäisestä potilaasta, joilla oli resektoitu keuhkojen adenokarsinooma, kerättiin retrospektiivisesti harjoitusjaksoa varten. Tavallisen kliinisen käytännön tapaan ennen leikkausta TT-kuvat otettiin itsenäisesti eri lääkärien toimesta ja eri sairaaloista. Siksi tietojoukossamme on suurta vaihtelua skannerin mallissa ja valmistuksessa, hankinta- ja rekonstruktioprotokollassa, suonensisäisessä kontrastivaiheessa ja pikselikokossa. Normalisoinnin vaikutuksen testaamiseksi erittäin vaihtelevissa tiedoissa leikkausta edeltävät CT-kuvat ja kiinnostava kasvainalue esikäsiteltiin neljällä eri putkilinjalla. Ominaisuudet poimittiin pyrradiomiikalla ja valittiin ottaen huomioon sekä erotusvoima että putkien kestävyys. Sen jälkeen STAS:sta luotiin radiomiikkaan perustuva ennustemalli käyttäen merkittävimpiä siihen liittyviä ominaisuuksia. Tämä malli validoitiin sitten 50 potilaan ryhmässä, joka otettiin prospektiivisesti ulkopuoliseksi validointiryhmäksi testaamaan sen tehokkuutta STAS-ennusteessa.
Tutkimuksen yleiskatsaus
Tila
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Roma, Italia, 00139
- Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, joilla on epäilty tai sitohistologisesti todistettu keuhkojen adenokarsinooma, joille tehdään keuhkosyöpäleikkaus;
- Saatavilla ennen leikkausta TT-kuvat
- Ikä yli 18 vuotta
Poissulkemiskriteerit:
- Rintakehän seinämän tunkeutuminen
- Induktioradio tai kemoterapia
- Epätäydellinen kirurginen resektio
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
|---|
|
Keuhkojen adenokarsinooma
Kuvaukset potilailta, joilla oli kirurgisesti hoidettu keuhkojen adenokarsinooma, kerättiin ja käsiteltiin radiomiikkaan perustuvan ennustemallin rakentamista varten.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Herkkyys
Aikaikkuna: 24 tuntia ennen leikkausta
|
Radiomicsin herkkyyden testaus STAS:n ennustamiseksi käyttämällä vastaanottimen toimintakäyrän alla olevaa pinta-alaa
|
24 tuntia ennen leikkausta
|
|
Spesifisyys
Aikaikkuna: 24 tuntia ennen leikkausta
|
Radiomiikan spesifisyyden testaus STAS:n ennustamiseksi käyttämällä vastaanottimen toimintakäyrän alla olevaa pinta-alaa
|
24 tuntia ennen leikkausta
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Marco Anile, MD, La Sapienza Università di Roma
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- 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.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (TODELLINEN)
Ensisijainen valmistuminen (TODELLINEN)
Opintojen valmistuminen (TODELLINEN)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (TODELLINEN)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (TODELLINEN)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- RADIOMICS
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .