Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Pieniannoksisen TT:n diagnostinen suorituskyky akuuteissa vatsasairauksissa (DETECT_Acute)

maanantai 16. lokakuuta 2023 päivittänyt: Anselm Schulz, Oslo University Hospital

Syväoppimiskuvan rekonstruktion diagnostinen suorituskyky pieniannoksisessa TT:ssä akuuttien vatsasairauksien havaitsemiseksi

Tämän non-inferiority-havainnointitutkimuksen tavoitteena on arvioida pieniannoksisen TT:n diagnostista suorituskykyä syvän oppimiskuvan rekonstruktiolla (DLIR) aikuisilla osallistujilla, joilla on akuutteja vatsaongelmia. Tutkimuksen pääkysymys on:

• Saavuttaako pieniannoksisella TT:llä DLIR:llä saman diagnostisen suorituskyvyn kuin tavallisella TT:llä akuuttien vatsasairauksien diagnosoinnissa.

Osallistujat tutkitaan ylimääräisellä pieniannoksisella TT:llä heti tavallisen TT:n jälkeen. Osallistuja on oma valvontansa.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Tausta Tietokonetomografiasta (CT) on tullut nykyaikaisen kliinisen lääketieteen olennainen työkalu. TT-kuvauksen käytön on havaittu lisääntyneen nopeasti viime vuosikymmeninä laajan saatavuuden myötä. Säteilyaltistuksen lisääntymisen myötä säteilyn aiheuttaman pahanlaatuisen kasvaimen mahdollisesta lisääntymisestä on tullut kansanterveysongelma. Tämä pätee erityisesti vatsan ja lantion TT-kuvauksiin, joiden osuus on tällä hetkellä 50 % kollektiivisesta TT-annoksesta. Koska annoksen pienentämisen hyöty yleensä kompensoituu kuvanlaadun heikkenemisellä, kliinisessä käytännössä tavoitellaan teknologista edistystä säteilyannoksen pienentämiseksi kuvanlaadusta tinkimättä.

CT-kuvan rekonstruktiossa suodatettu takaisinprojektointi (FBP) on ollut hallitseva kuvan rekonstruktiotekniikan algoritmi 1970-luvun alusta lähtien, ja sitä täydennettiin ensimmäisillä kaupallisilla iteratiivisilla rekonstruktioalgoritmeilla (IR) vuonna 2009.

Uusi DLIR-algoritmi (deep learning image reconstruction) sai kliinisen hyväksynnän vuonna 2019 (TrueFidelity, GE Healthcare, Milwaukee, WI). Myös muita toimittajakohtaisia ​​algoritmeja syväoppivan kuvan rekonstruktioon on tulossa (AiCE, Canon Medical Systems, Otawara, Japani). Kuten teknisessä asiakirjassa selitetään, DLIR-algoritmi pyrkii vaimentamaan kuvan kohinaa kuvanlaadusta tinkimättä, koska se on koulutettu käyttämään suuren ja pienen annoksen FBP-tietosarjoja haamu- ja potilastapauksissa. Syväoppivan kuvan rekonstruoinnin käyttö on osoittanut mahdollisuuden parantaa kuvan laatua ja vähentää annosta ilman, että kohinarakenne muuttuu.

Potilaille, joilla on akuutteja vatsaongelmia, vatsan ja lantion TT:tä pidetään parhaana ensimmäisen tai toisen linjan diagnostisena menetelmänä. Näille potilaille nopea ja tarkka diagnoosi on erittäin tärkeä, jotta vältetään hoidon viivästyminen ja myöhemmät komplikaatiot, kuten maha-suolikanavan perforaatio umpilisäkkeen tai divertikuliitin tapauksessa. Toisaalta on myös tärkeää välttää tarpeettomia kirurgisia toimenpiteitä ja siihen liittyviä komplikaatioita. Mahdollisen pieniannoksisen CT-protokollan on siksi tarjottava ei-heikompi diagnostinen suorituskyky nopean diagnoosin helpottamiseksi ja ylihoidon ja epäselvien tutkimusten välttämiseksi.

Lupaavia tuloksia on raportoitu pieniannoksisista TT-tutkimuksista mallipohjaisella IR:llä ja jopa 75-80 prosentin annoksen pienentämisellä. DLIR:n käyttöönoton myötä annoksen pienentäminen näyttää kuitenkin olevan mahdollista. Omat tulokset DLIR:llä tehdystä kuvanlaadun havainnointitutkimuksesta osoittavat, että jopa 92,5 %:n annoksen pienentäminen tavalliseen CT:hen verrattuna saattaa säilyttää hyväksyttävän diagnostisen kuvanlaadun (vielä julkaisematon työ).

Tältä pohjalta tämän tutkimuksen tarkoituksena on arvioida pieniannoksisen CT:n diagnostista suorituskykyä DLIR:llä akuuttien vatsasairauksien diagnosoimiseksi ei-inferiority-ympäristössä, jossa on suuri otoskoko kahdesta suuresta traumakeskuksesta Pohjois-Euroopassa.

Tavoitteet

Ensisijainen:

Arvioida akuuttien vatsasairauksien diagnostista suorituskykyä kontrastitehostetussa pieniannoksisessa CT:ssä DLIR "TrueFidelity" (TF) -tekniikalla verrattuna tavanomaiseen täyden annoksen TT:hen.

Toissijainen:

Arvioida teknistä ja koettua kuvanlaatua (laadullisesti ja määrällisesti).

Etiikka

Hyväksyntä hankitaan alueellisesta eettisestä toimikunnasta ja toimielinten tietosuojavastaavalta.

Kaikilta osallistujilta hankitaan kirjallinen tietoinen suostumus. Tämä hanke tulee olemaan Helsingin julistuksen mukainen.

Riskit Vähäisen säteilyaltistuksen lisääntymisen vuoksi riskit ovat minimaaliset. Ylimääräinen säteilyaltistus 27,5 % kuuluu vastaaviin kliinisiin tehtäviin tehtyjen TT-tutkimusten säteilyaltistuksen kansalliseen vaihteluun. Tutkijat arvioivat keskimääräiseksi efektiiviseksi lisäannokseksi 1,5 mSv, mikä vastaa noin 4 kuukautta luonnollisella taustasäteilyaltistuksella Norjassa (4,1 mSv/vuosi). Ylimääräinen säteilyaltistus merkitsee 0,004 - 0,03 prosentin teoreettisen ylimääräisen elinikäisen säteilyn aiheuttaman syövän riskiä. Tästä altistumisesta aiheutuvien kliinisten riskien katsotaan olevan minimaalisia/ei merkittäviä.

Materiaali ja menetelmät Tutkimus rekisteröidään osoitteessa ClinicalTrials.gov ennen aloitusta. Tutkimusmenetelmät ja -tulokset raportoidaan 2015 Standards for Reporting of Diagnostic Accuracy Studies (STARD) lausunnon mukaisesti. On huomattava, että STARD-AI-ohjausryhmä valmistelee tekoälykohtaista laajennusta. Jos nämä STARD-AI-ohjeet julkaistaan ​​ennen tutkimuksen päättymistä, myös löydökset raportoidaan tämän ohjeen mukaisesti. Kompensoidakseen tekoälykohtaisia ​​elementtejä, joita STARDissa ei käsitellä, tutkijat turvautuvat tarvittaessa lääketieteellisen kuvantamisen tekoälyn tarkistuslistaan ​​(CLAIM), joka on mallinnettu STARD-ohjeiden mukaan.

Pilotti Suoritetaan tutkimuspilotti, jossa 10 potilasta jaetaan tasan Oslon ja Odensen välillä, jotta voidaan testata tutkimuslogistiikkaa ja säätää pieniannoksisen TT:n säteilyannostasoa.

Tutkimusprotokolla / kuvantaminen Tutkimukset suoritetaan paikallisten rutiinimenettelyjen ja vakiintuneiden CT-protokollien mukaisesti (CT-skanneri: GE Revolution).

Vakiotutkimusprotokollan TT:n lisäksi tehdään pieniannoksinen TT-skannaus, joka ei ylitä 30 %:n säteilyannoksesta normaalista TT:stä. Pienen annoksen TT-kuvat rekonstruoidaan korkealla TF:llä. Pienen annoksen TT suoritetaan heti tavallisen TT:n jälkeen, jotta vältetään kontrastivaiheen ajoituksen eroista johtuva harha.

Sijainti ja paikallinen tutkimuspopulaatio Tutkimus toteutetaan monikeskustutkimuksena, johon osallistuvat Oslo ja Odense prospektiivisen tiedonkeruun kera.

Arvioitu tutkimuspopulaatio jaetaan tasan kahden sairaalan kesken.

Kuvan arviointi Pieniannoksista TT:tä ei käytetä diagnostisiin tarkoituksiin tai potilaan hoitoon. Kuvien arviointi ja vertailu suoritetaan erillään kliinisestä rutiinityönkulusta.

Kaikki pieniannoksiset TT-tutkimukset arvioivat itsenäisesti kaksi paikallista radiologia ja kaksi kokenutta vatsan alueen radiologiaan erikoistunutta radiologia, joilla on yli 10 vuoden kokemus vatsan TT:stä. Lukijat sokeutuvat kaikkien aiempien tutkimusten tiedoista, ensisijaisesta TT-raportista, muiden lukijoiden löydöistä, kaikista hoitoon liittyvistä tiedoista ja lopullisesta diagnoosista.

Heillä on pääsy kliinisiin lähetteisiin ja laboratoriotutkimuksiin, jotka on tehty ennen alkuperäistä TT-tutkimusta. Kuvan arviointi suoritetaan radiologien kliinisessä ympäristössä diagnostisten monitorien avulla.

Tulosanalyysissä kunkin potilaan diagnoosia pienen annoksen TT:stä verrataan alkuperäiseen täyden annoksen TT:hen perustuvaan radiologiseen diagnoosiin.

Lukijan sisäisessä sopimuksessa kullekin lukijalle esitetään kahdesti satunnainen valinta 10 prosentista tapauksista.

Kuvan tekninen laatu arvioidaan sijoittamalla kiinnostavat alueet (ROI) porttilaskimon homogeeniseen segmenttiin, viereiseen normaaliin maksan parenkyyma-aortaan, erector spinae -lihaksiin ja ihonalaiseen rasvaan. Contrast-to-Noise Ratio (CNR) lasketaan.

Ainakin kaksi radiologia arvioi koetun kuvanlaadun Likert-tyyppisellä asteikolla kuvanlaatukriteerien mukaan, jotka perustuvat vatsan TT:n kuvanlaatua koskeviin eurooppalaisiin ohjeisiin.

Tilastot Tutkimustietojen analysointiin käytetään erityisiä tilasto-ohjelmistoja, kuten Stata ja SPSS. Alfa-merkittävyystasoksi asetetaan 5 % ja 95 %:n luottamusväliä käytetään. Kappa-tilastoja käytetään lukijasopimusten välisessä ja sisäisessä sopimuksessa. Kuvanlaadun arvioinnissa käytetään logistista regressiota. Numeeristen muuttujien arvioinnissa käytetään asianmukaisia ​​parametrisia tai ei-parametrisia testejä. Diagnostinen suorituskyky määritellään käyrän alla olevan alueen, herkkyyden, spesifisyyden, positiivisen ja negatiivisen ennustusarvon perusteella. Merkittävät erot herkkyydessä ja spesifisyydessä määritetään McNemarin testillä.

Tehon laskeminen ja näytteen koko Non-inferiority-tutkimussuunnitelmaa käytetään osoittamaan pieniannoksisen TT:n diagnostisen suorituskyvyn ei-alempiarvoisuus verrattuna standardi-TT:hen. Tutkijat arvioivat standardin TT:n herkkyydeksi 90 %. Akuuttien vatsaonteloiden yleisyyden, joilla on näkyvä korrelaatio normaalilla TT:llä, arvioidaan olevan 70 % kaikista sisällyttämiskriteerit täyttävistä lähetteistä. 10 %:n non-inferiority marginaali herkkyydelle katsottiin kliinisesti hyväksyttäväksi, eli positiivisten löydösten todennäköisyydeksi pieniannoksisessa TT:ssä positiivisen standardi-TT:n tapauksessa oletettiin olevan 90 %.

S_L = Todennäköisyys (positiivinen pienen annoksen TT | positiivinen standardi CT)

0-hypoteesi määriteltiin seuraavasti:

S_L < 90 %

Vaihtoehtoinen hypoteesi määriteltiin sitten seuraavasti:

S_L > 90 % Tunnistaakseen yksipuolisen 6 %:n eron (lisäyksen) non-inferiority-marginaalista 80 %:n teholla ja 5 %:n alfa-merkitystasolla tutkijat arvioivat tarvittavat potilaat, joilla oli positiivinen TT-löydös, n= 116 (binomiaalinen jakauma). Tarvittavien potilaiden kokonaismääräksi laskettiin sitten 116/0,7=166.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

246

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

      • Oslo, Norja
        • Oslo University Hospital
      • Odense, Tanska
        • Odense University Hospital

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

perusterveydenhuollon klinikka; yliopistollinen sairaala

Kuvaus

Sisällyttämiskriteerit:

  • Potilaat, joita arvioidaan akuutin vatsan sairauden varalta, joille lähetetään vatsan ja lantion TT:hen.
  • Ikä >18 vuotta
  • Potilaiden tulee pystyä antamaan suullinen ja kirjallinen suostumus tutkimukseen osallistumiseen.

Poissulkemiskriteerit:

  • Kontraindikaatiot varjoainepitoisille TT-tutkimuksille, kuten tunnetut jodattujen varjoaineiden haittavaikutukset tai klaustrofobia.
  • Raskaus.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Kohortti
  • Aikanäkymät: Tulevaisuuden

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Vatsakipu
Akuutin vatsan sairauden arvioinnin kohteena olevat osallistujat, joille lähetetään vatsan ja lantion TT-kuvaus.
Tehdään pieniannoksinen TT-skannaus, joka ei ylitä 30 %:n säteilyannoksesta normaalista TT:stä. Pienen annoksen TT-kuvat rekonstruoidaan TrueFidelity high -tekniikalla. Pieniannoksinen TT suoritetaan heti tavallisen TT:n jälkeen, jotta vältetään kontrastivaiheen ajoituksen eroista johtuva harha.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Pienen annoksen TT:n diagnostinen suorituskyky
Aikaikkuna: 4-6 kuukautta

Pienen annoksen TT:n diagnostinen suorituskyky verrattuna normaaliin TT:hen ICD 10 -diagnoosin mukaan.

Diagnostinen suorituskyky mitattuna seuraavilla tavoilla:

Herkkyys prosentteina TP/(TP+FN) mukaan; spesifisyys ilmoitettu prosentteina TN/(TN+FP) mukaisesti; positiivinen ennustearvo prosentteina TP/(TP+FP) mukaan; negatiivinen ennustearvo prosentteina TN/(TN+FN) mukaan; tarkkuus prosentteina (TP+TN)/(TP+TN+FP+FN).

Luku tosi positiivinen (TP); luku tosi negatiivinen (TN); numero väärä positiivinen (FP); numero väärä negatiivinen (FN).

4-6 kuukautta

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Havaittu kuvanlaatu
Aikaikkuna: 4-6 kuukautta

Vertaa havaittua kuvanlaatua; pieniannos vs. tavallinen CT:

Havaittu kuvanlaatu pisteytetään järjestysjärjestyksessä, 5-pisteen Likert-asteikolla (vähintään kaksi lukijaa).

4-6 kuukautta
Kuvan laatu - kohina
Aikaikkuna: 4-6 kuukautta

Vertaa teknistä kuvanlaatua; pieniannos vs. tavallinen CT:

Kuvakohina standardipoikkeamana kiinnostavan alueen sisällä (ROI); numeerinen Hounsfieldin yksikkönä (HU), useita mittauspisteitä.

4-6 kuukautta
Kuvanlaatu - kontrasti-kohinasuhde
Aikaikkuna: 4-6 kuukautta

Vertaa teknistä kuvanlaatua; pieniannos vs. tavallinen CT:

Kontrasti-kohinasuhde; numeerinen, useita mittauspisteitä. Laskettu seuraavasti:

CNR=(│〖HU〗_munuainen - 〖HU〗_(vesi )│)/√((〖SD〗_munuainen 2 + 〖SD〗_vesi 2)/2)

4-6 kuukautta
Säteilyannos
Aikaikkuna: 4-6 kuukautta

Vertaa säteilyannosta; pieniannos vs. tavallinen CT:

Säteilyannos mitattuna DLP:nä ja CTDIvolina.

4-6 kuukautta
Diagnoosit
Aikaikkuna: 4-6 kuukautta
Diagnoosien kuvaus TT-tutkimuksiin lähetettyjen potilaiden keskuudessa; ICD 10:n mukaiset diagnoosit.
4-6 kuukautta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Yhteistyökumppanit

Tutkijat

  • Päätutkija: Anselm Schulz, PhD, Oslo University Hospital

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Keskiviikko 7. joulukuuta 2022

Ensisijainen valmistuminen (Todellinen)

Maanantai 10. heinäkuuta 2023

Opintojen valmistuminen (Todellinen)

Maanantai 10. heinäkuuta 2023

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 15. marraskuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 6. joulukuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Torstai 15. joulukuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 17. lokakuuta 2023

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 16. lokakuuta 2023

Viimeksi vahvistettu

Sunnuntai 1. lokakuuta 2023

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

IPD:tä ei jaeta laki- ja tietosuojaongelmien vuoksi.

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

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 .

Kliiniset tutkimukset Vatsakipu

Kliiniset tutkimukset pieniannoksinen CT

3
Tilaa