STOP-halvaus: Aivohalvauksen lopputuloksen ennuste Acute Treatment -asetuksissa (STOP-STroke)

Peruuttamattomien aivovaurioiden välttämiseksi akuutissa aivohalvauksessa neurologien on tehtävä hoitopäätökset valtavan aikapaineen alla. Nykyisessä kliinisessä käytännössä neurologit päättävät käyttämällä aivoskannausten ja vakiintuneiden kliinisten parametrien visuaalista tarkastusta. Tietojen suuresta määrästä huolimatta tilastolliset tai koneoppimismallit eivät ole vielä päässeet kliiniseen käytäntöön ohjaamaan päätöksentekoa. Tämä johtuu suurelta osin siitä, että lääkärit eivät voi arvioida näiden mallien luotettavuutta ja koska nykyiset mallit eivät pysty käsittelemään multimodaalista syöttödataa. Koska akuutin aivohalvauksen hoitoala kehittyy jatkuvasti, on kiireesti parannettava ymmärrystämme aivohalvauspotilaiden lopputulokseen ja hoitovasteeseen vaikuttavista tekijöistä. Olemme vakuuttuneita siitä, että projekti tarjoaa uusia näkemyksiä aivohalvauksen lopputuloksen ennustamisesta ja auttaa integroimaan koneoppimisalgoritmien dataa kliiniseen rutiiniin.

Neurologin ennuste aivohalvauksen lopputuloksesta Kun potilas saapuu aivohalvausyksikköön, hoitotiimi kokoaa jatkuvasti tietoa siitä, mitkä ovat parhaat hoitovaihtoehdot tai komplikaatioriskit. Potilastulosten ennustamiseksi neurologit luottavat strukturoituihin taulukkotietoihin, kuten ikään, sukupuoleen ja verenpaineeseen, sekä jäsentämättömiin tietoihin, kuten lääketieteellisiin kuvatietoihin. Nykyinen ennuste aivohalvauspotilaiden terapeuttisesta menestyksestä terapeuttisen aikaikkunan ulkopuolella perustuu usein aivokuviin (Joundi et al. Neurology 97:S68-S78). Diffuusio- ja perfuusiopainotettua kuvantamista (DWI/PWI) käytetään infarktin ytimen ja hypoperfusoidun alueen tunnistamiseen, mikä johtaa arvioon riskialttiista kudoksesta, jota kutsutaan "epäsopimattomaksi" (Heiss WD et ai. Int J Stroke 14:351-8). Suuria yhteensopimattomuutta ja pientä infarktin ydintä pidetään hoidon onnistumisen sijaismarkkereina, minkä vuoksi kliinisissä tutkimuksissa on usein esivalittu tällaisia ​​potilaita (Albers GW et al. N Engl J Med 378:708-18). Viimeaikaiset tutkimukset kuitenkin kyseenalaistavat tällaisen esivalinnan pätevyyden. Esimerkiksi uudet, yhdistetyt data-analyysit osoittavat, että potilaat, joilla on suuri infarktiydin, hyötyvät myös endovaskulaarisesta hoidosta (Campbell BCW et a. Lancet Neurol 18:46-55). Lisäksi ennalta valituilla potilailla tehdyt tutkimukset eivät mahdollista johtopäätösten tekemistä hoidon vaikutuksista potilailla, joilla ei ole yhteensopivuutta tai joilla on suuret ytimet. Käy yhä selvemmäksi, että potilaat, joilla on suuri ydin tai epäsuhta, voivat hyötyä myös endovaskulaarisesta trombektomiahoidosta (Karamchandani RR et al. J Stroke Cerebrovasc Dis 31:106548). Odotamme, että hienostunut mallinnuslähestymistapa sekä kuvantamisen ja kliinisten parametrien yhdistäminen tuottavat parempia ennustetekijöitä ja luotettavampia tulosennusteita.

Aivohalvauksen lopputuloksen tietokoneavusteinen ennustaminen Aivohalvauspotilaiden tietokoneavusteista tulosennustetta varten pisteet kehitettiin muutamien ennalta valittujen taulukkopiirteiden, kuten iän ja sukupuolen, ja taustalla olevan logistisen regressiomallin perusteella. Vaikka nämä menetelmät ovat hieman parempia kuin pisteytysperusteiset menetelmät, niiltä puuttuu tulkintaa. Siksi tällä hetkellä ei ole olemassa tietokoneavusteisia tulosennustustyökaluja, joita käytetään kliinisissä rutiineissa.

Aiempi valmistelutyö Aiemmin suoritetussa äskettäin tehdyssä projektissa analysoitiin kuvantamisominaisuuksia DWI:stä ja perfuusiokuvaustiedoista, kuten TTP, CBF, CBV ja TMAX LVO-potilaiden ryhmässä, jotka kaikki hoidettiin MT:llä InselSpital Bernissä. Testasimme, parantaako rutiininomaisesta kliinisestä ohjelmistosta johdettu yleisesti hyväksytty epäsuhtaisuuskonsepti todellakin yksittäisten potilaiden tulosennusteita. Osoitimme, että ydin tai epäsopivuustilavuus eivät merkittävästi parantaneet lopputuloksen ennustetta, kun niitä käytettiin kliinisten parametrien lisäksi (Hamann J et al. Eur J Neurol 28:1234-43). Lääkäreiden luotettavan aivohalvauksen tulosennustemallin toteuttamiseksi kehitimme syväoppimiseen (DL) perustuvia malleja, jotka eivät vain pysty integroimaan strukturoitua ja strukturoimatonta dataa, vaan myös tuottavat tulkittavia parametriarvioita kliinisille parametreille, kuten todennäköisyyssuhteille (https://www. .sciencedirect.com/science/article/abs/pii/S003132032100443X). Käytimme niitä Bernen yliopistollisessa sairaalassa (https://arxiv.org/abs/2206.13302) hoidetuista iskeemisistä aivohalvauspotilaista saatuihin tietoihin ja tutkimme, voivatko mallimme kilpailla kokeneiden neurologien kanssa suorittamalla sokean ennustushaasteen, jossa viisi neurologia ja meidän koulutetulle DL-mallille toimitettiin samat strukturoidut kliiniset tiedot aivohalvauspotilaista. Tässä kokeessa mallimme osoitti parempaa suorituskykyä, varsinkin kun kuvatietoja toimitettiin (Herzog L et al. Aivohalvaus. 2023 heinäkuu;54(7):1761-1769).

Tämän mukaisesti tämän STOP-halvaustutkimuksen tavoitteena on parantaa tulosennustetta varhain aivohalvauksen jälkeen arvioimalla sekä lääkärin tulosarviota että koulutettua DL-malliamme. Sitä kautta pyrimme ottamaan käyttöön uuden ennustetyökalun, joka voi olla avuksi hoitopäätöksen ja yksilöllisen potilashoidon tukemisessa.

Ensisijaiset ja toissijaiset päätepisteet STOP-halvauksessa:

Tutkimuksen ensisijainen päätetapahtuma on todellinen aivohalvaukseen liittyvä vammaisuus, jonka mRS arvioi 3 kuukauden kohdalla, sekä NIHSS (halvauksen vakavuus) 24 tunnin ja 3 kuukauden kuluttua akuutin iskeemisen aivohalvauksen (AIS) jälkeen. Perustekijät, jotka voivat vaikuttaa ensisijaiseen päätetapahtumaan, ovat ikä, sukupuoli, verisuoniriskitekijät, hoitoajat, riippumattomuus ennen aivohalvausta jne. Toissijaisia ​​päätepisteitä ovat aivohalvausyksikön toisella puolella olevien hoitavien neurologien ennustetut mRS-pisteet ja ennustettu mRS DL-malli toisaalta.

Projektisuunnittelu:

Tämä on yhden keskuksen projekti, joka suoritetaan USZ:n neurologian osastolla. Tutkimuksen suunnittelu on alustava.

Rekrytointi, seulonta ja tietoon perustuva suostumusmenettely:

Rekrytointipaikka on USZ:n neurologian osasto. Suunnittelemme yhden keskuksen tutkimuksen. Kaikki USZ:n aivohalvausyksikköön lähetetyt AIS-epäilyt klo 7.00-17.00 välisenä aikana tutkimusryhmä seulotaan. Nämä potilaat rekrytoidaan peräkkäisen jatkuvan rekrytoinnin mukaisesti tutkimusryhmän kautta päivittäisessä kliinisessä käytännössä. Seulontaprosessi suoritetaan seuraavassa osiossa kuvatulla tavalla. USZ:n aivohalvausyksikköön saapuvat AIS-sairautta epäilevät potilaat seulotaan, jos tietojen käytöstä ei ole jo dokumentoitua kieltäytymistä (aiemmin vastustettu GC). Jos kyllä, näiden potilaiden ei katsota osallistuvan tutkimukseen. Jos ei, riippumatonta lääkäriä pyydetään antamaan potilaalle suostumus, jotta akuuttihoito ei viivästyisi. Riippumattomalle lääkärille, joka voi olla mikä tahansa lääkäri, joka ei kuulu tutkimusryhmään, ilmoitetaan, että hänen osallistumisensa on vapaaehtoista ja se voidaan peruuttaa milloin tahansa. Potilaalta pyydetään suostumus heti, kun he voivat antaa suostumuksensa sairaalahoidon aikana tai ainakin rutiininomaiseen 3 kuukauden seurantakäyntiin asti. Jos potilas ei vielä siihen asti pysty suostumaan, kysymme potilaan lähiomaisilta. Jos potilaalla ei ole lähiomaista, lähiomaiseen ei ole yhteyttä tai potilas on kadonnut seurantaan tai potilas on kuollut, tietoja käytetään, jos tietojen käyttöä tutkimukseen vastustavaa vastustusta ei dokumentoida. Jos potilaat ja/tai omaiset eivät voi saapua henkilökohtaisesti rutiinikäynnille, lähetämme heille lyhyen kirjeen tutkimukseen osallistumisesta yhdessä tietoisen suostumuksen kanssa postitse. Pyyntökirjeessä selitämme tietoisen suostumuksen menettelyn ja pyydämme potilaita joko lähettämään takaisin allekirjoitetun tietoisen suostumuksen tutkimukseen osallistumisen hyväksynnän tapauksessa tai antamaan kirjallisen lausunnon tutkimukseen osallistumisen kieltämisestä. Ilmoitamme potilaille pyyntökirjeen sisällä, että jos vastausta ei saada neljän viikon kuluessa, käytämme saatuja tunnistamattomia tietoja, jos ei ole dokumentoitu etukäteen vastustusta tietojen käyttämiselle tutkimustarkoituksiin (pyyntökirjeen asiakirja voi olla löytyy erillisenä liitteenä). Jos potilaat kieltäytyvät osallistumasta tutkimukseen, kerättyä koodattua tietoa ei käytetä jatkoanalyysiin.

Kehitimme potilaille, omaisille ja riippumattomalle lääkärille nimenomaan tätä tutkimusta varten tietoon perustuvan suostumuksen, joka on toimitettujen tutkimusasiakirjojen joukossa.

Opiskelumenettelyt:

Selvityksen on suunniteltu alkavan välittömästi eettisen toimikunnan hyväksynnän jälkeen ja se jatkuu noin kolmen vuoden kokonaishankkeen ajan. Suunnittelemme rekrytointijaksoksi noin yhdestä kahteen vuotta. Kunkin potilaan projektin kesto on kolme kuukautta, sillä arvioimme ensisijaisen tulosparametrin (mRS) kolme kuukautta AIS:n jälkeen. Tutkimus koostuu AIS:ia epäiltyjen potilaiden henkilökohtaisten terveystietojen kokoelmasta USZ:lle. Nämä kliiniset ja kuvantamistiedot poistetaan ja tallennetaan salasanalla suojatulle USZ-palvelimelle. Emme kerää biologista potilasmateriaalia tai näytteitä (verta tai kudosta).

Kliiniset ja kuvantamismuuttujat:

Aiomme kerätä rutiininomaisia ​​laboratorio- ja kuvantamistietoja, rutiininomaisia ​​kliinisiä pisteitä aivohalvauksen vaikeusasteesta ja toimintakyvyttömyydestä sekä muita kliinisiä rutiinitietoja. USZ:n aivohalvausyksikön hoitavaa hoitavaa lääkäriä (valtuutettu neurologi) pyydetään ajankohtina N1 ja N2 ja hoitavaa hoitavaa lääkäriä sairaalahoitojakson aikana N3:lla täyttämään kyselylomake (katso liitteenä tämän lopussa käsikirjoitus) pääsee vain henkilökohtaisella kirjautumalla tähän projektiin kehitetylle verkkosivustolle (suunniteltu suojatulla verkkosovelluksella REDCap). Kliiniset ja kuvantamisparametrit saadaan hoitavalta lääkäriltä aivohalvausyksikössä tai USZ:n neurologisella osastolla tai ne voidaan poimia elektronisesta potilaskartasta (KISIM). Emme aio poimia tietoja Swiss Stroke Registry (SSR) -rekisteristä, koska akuutin tilan tietoja ei dokumentoida tähän tuolloin. Kuvaustiedot arvioidaan kohdassa N2 kliinisesti indikoidusta ensimmäisestä aivokuvauksesta.

Lisäksi arvioimme aivohalvausyksikössä seuraavat parametrit sairaushistorian ja kliinisen tutkimuksen perusteella, joiden katsoimme olevan olennaisia ​​lopputuloksen arvioinnissa: heikkous, multimorbiditeetti, hallitsematon syöpä, olemassa oleva kognitiivinen heikkeneminen, moniapteekki (≥ 4 lääkettä), laitosasuminen, heikko tai ei ollenkaan sosiaalinen tuki (perhe tai läheiset ystävät) ja luokittelematon paikka enintään kolmelle muulle muuttujalle, joita ei ole aiemmin mainittu. Nämä parametrit arvioidaan kategorisesti (kyllä/ei vaihtoehto) tutkimusryhmän jäseniltä kysyttäessä hoitavaa hoitavaa lääkäriä tai arvioimalla sähköistä potilaskorttia. Hoitava lääkäri arvioi parametrit kliinisen tutkimuksen ja/tai potilaan tai lähisukulaisen kuulustelussa, mikäli mahdollista akuutissa tilassa. Luettelo näistä parametreista on tämän käsikirjoituksen lopussa. Clinical Trial Center suunnittelee projektia varten verkkosovelluksen REDCap. Kaikki hoitavat hoitavat lääkärit saavat henkilökohtaisen kirjautumisen voidakseen täyttää eri tutkimusajankohtien kyselyt suoraan REDCapissa. Suunnittelemme tietojen syöttämiselle aikalukon tietojen korjaamiseksi ja tietojen syöttämisen turvaamiseksi kohtuullisessa ajassa. REDCapissa oleviin tietoihin pääsee vain hoitava hoitava lääkäri sekä tutkimusryhmän jäsenet. Sovellus on suojattu salasanalla opiskelutietojen turvallista säilytystä varten.

Tulosmuuttujat:

NIHSS: National Institutes of Health Stroke Scale on 42-pisteinen neurologinen tutkimus, jota käytetään akuutin aivohalvauksen vakavuuden määrittämiseen. NIHSS arvioi tajunnan tasoa, silmien liikkeitä, näkökenttiä, kasvojen lihasten toimintaa, raajojen voimaa, aistitoimintoja, koordinaatiota, kieltä, puhetta ja laiminlyöntiä. Pisteet kerätään tavanomaisena menettelynä AIS-potilailta, jotka joutuvat sairaalaan aivohalvauksen alkaessa, ja se edustaa yhtä kliinisistä parametreista, joiden perusteella tulosennuste on tehtävä. NIHSS on myös ensisijainen tulosparametri (24 tunnin ja 3 kuukauden kuluttua aivohalvauksen alkamisesta), joka N1-3:n lääkäreiden on ennustettava, ja sitä kysytään tulevaisuudessa aivohalvausyksikön hoitavilta lääkäreiltä. pisteytyksen suorittaminen osana vastaanottotutkimusta rutiininomaisesti N1-hoidossa ja osastolta N3-osaston hoitavilta neurologeilta, joka on osa kotiutustutkimusta, sekä 3 kuukauden rutiinitarkastuksessa poliklinikalla. USZ Tutkimusryhmä arvioi pistemäärän potilastaulukon avulla tai suoraan USZ:n neurologian osaston poliklinikan hoitavalta lääkäriltä. Jos potilas ei pääse henkilökohtaisesti 3 kuukauden kontrolliin, tutkimusryhmä voi ottaa yhteyttä lähiomaiseen, yleislääkäriin, hoitavaan lääkäriin tai sairaanhoitajaan kuntoutuskeskuksessa tai hoitokodissa pistemäärän arvioimiseksi.

mRS: Modifioitu Rankin-asteikko on laajalti käytetty asteikko, jolla mitataan aivohalvauksen saaneiden ihmisten vammaisuutta. mRS:ää käytetään kliinisessä käytännössä sekä aivohalvaustutkimuksissa kuvaamaan kliinistä lopputulosta aivohalvauksen jälkeen. mRS on 0 - 6, jolloin 0 on potilas ilman vammaisuutta ja 6 ilmaisee potilaan kuoleman. Pisteet kerätään tavallisena toimenpiteenä AIS-potilailla, jotka joutuvat sairaalaan aivohalvauksen alkaessa, mukaan lukien pisteet ennen aivohalvauksen alkamista sekä kolmen kuukauden kuluttua tulosparametrina, jonka neurologian osaston lääkärit arvioivat. Pisteet kysytään ennakoivasti N1-3:lla, koska se edustaa myös ensisijaista tulosparametria sekä rutiininomaisessa 3 kuukauden kontrollissa USZ:n poliklinikalla. Tutkimusryhmä arvioi pistemäärän 3 kuukauden kuluttua potilastaulukosta tai USZ:n neurologian osaston poliklinikan hoitavalta lääkäriltä tuolloin. Jos potilas ei pääse henkilökohtaisesti 3 kuukauden kontrolliin, tutkimusryhmä voi ottaa yhteyttä lähiomaiseen, yleislääkäriin, hoitavaan lääkäriin tai sairaanhoitajaan kuntoutuskeskuksessa tai hoitokodissa pistemäärän arvioimiseksi.

Kuvan tiedot:

Aiomme tallentaa kuvantamistiedot (aivojen CT- ja MR-kuvat, mukaan lukien CT- ja MR-angiografia sekä aivojen perfuusiokuvat), jotka on kerätty ottaessa USZ-sairaalaan tai ensimmäisen sairaalahoidon sairaalaan osana kliinisesti aiheellista ensin neuroimaging, joka on tehty sairaalaan saapumisen jälkeen, kun epäillään akuuttia iskeemistä aivohalvausta. Kuvaustiedot otetaan USZ:n kuvantamisohjelmistojärjestelmästä. Tunnistautuminen suoritetaan USZ:n sisäisten standardien mukaisesti. Tietovastaava tallentaa salasanalla suojatun päätiedoston USZ-palvelimille, jotka on suojattu USZ-ohjeiden mukaisesti. Kuvat tallennetaan tunnistamattomassa muodossa projektikohtaiselle alueelle, johon pääsy on rajoitettu. Pääsy myönnetään kaikille projektin jäsenille henkilöstöluettelon mukaisesti. Koska tiedot arkistoidaan jäsennellysti ja säilytetään koodatussa muodossa, kuvantamistietoja voidaan kohtuullisesta pyynnöstä antaa muiden tutkimuslaitosten muihin tutkimusprojekteihin.

Projektivierailut:

Sairaalasta kotiutumisen jälkeen on vain yksi säännöllinen kliininen käynti 3 kuukautta aivohalvauksen alkamisen jälkeen neuroangiologian ambulatoriossamme, jossa arvioidaan NIHSS ja mRS. Jos potilas on kuollut tai ei voi tulla henkilökohtaisesti paikalle vakavien terveydellisten rajoitusten vuoksi, lähiomaiseen tai vastaavaan hoitajaan otetaan yhteyttä aivohalvauksen jälkeisen vamman asteen arvioimiseksi. Kliinisiä puhelinhaastattelukäyntejä ei ole suunniteltu tutkimuksessa.

Mallin ennusteet:

Tässä tutkimuksessa kerätyt kliiniset tiedot ja kuvatiedot muunnetaan siten, että ne voidaan syöttää DL-malleihin. DL-mallit ovat jo koulutettuja, eli he ovat jo oppineet kuvantamisominaisuudet, jotka ovat olennaisia ​​tulosten ennustamisessa havainnointitietojen perusteella, jotka eivät ole osa tätä tutkimusta. Aiemmin tehdyn tutkimusprojektin julkaisussa, jossa käytimme jo DL-mallin ennustusmenetelmää, kuvataan yksityiskohtaisesti, kuinka kliiniset ja kuvantamistiedot syötetään malliin ja miten itse mallia sitten ajetaan.

Kun kaikki tiedot on kerätty suunniteltua välianalyysiä tai loppuanalyysiä varten, malleja käytetään tulosten ennustamiseen täsmälleen samoilla potilailla, jotta ennusteet ovat vertailukelpoisia. Ennusteosaan osallistuvat hoitavat lääkärit voivat saada käsityksen lopputuloksista tietojen analysoinnin ja arvioinnin jälkeen.