Améliorer la qualité de la radiothérapie grâce à des modèles d'optimisation de planification basés sur les connaissances multi-institutionnels (Acronyme : MIKAPOCo, Approche basée sur les connaissances multi-institutionnelles dans l'optimisation des plans pour la communauté) (MIKAPOCo)
Améliorer la qualité de la radiothérapie grâce à des modèles d'optimisation de planification basés sur les connaissances multi-institutions
Notre hypothèse centrale est qu'il est possible de créer des bibliothèques de modèles de plans « cohérents » basés sur la connaissance, dérivés de grandes expériences institutionnelles. Ces bibliothèques peuvent être utilisées pour guider la planification RT automatisée et servir d'outils pour aider les centres à assurer l'assurance qualité (AQ) des plans et à prédire les plans.
La quantification de la variabilité inter-instituts de la planification RT et la création de bibliothèques de modèles de prévision de plans KB multi-institutionnels interchangeables et validés devraient avoir un impact sur la qualité de la planification au niveau national. Le projet a le potentiel de faciliter l’introduction d’approches d’IA dans l’optimisation des plans, réduisant ainsi la variabilité de la planification intra et inter-instituts. L'amélioration de la qualité du plan devrait se traduire par de meilleurs résultats après RT en termes de contrôle local et, plus encore, d'effets secondaires et de qualité de vie. Un impact positif est également attendu dans la sélection des patients pour les techniques avancées, dans l'audit et l'optimisation des plans dans les essais cliniques, dans la comparaison des technologies et les analyses coûts-avantages ainsi que dans le domaine éducatif de la RT.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Objectifs majeurs
- Créer des bibliothèques de modèles KB générés de manière cohérente pour les patients traités par RT pour le cancer du sein et de la prostate et pour certaines applications de RT stéréotaxique corporelle (SBRT) basées sur l'expérience de nombreuses institutions italiennes ; quantifier la variabilité inter-instituts de planification dans des classes homogènes de patients.
- Regrouper les modèles en fonction de leurs caractéristiques et de leur interchangeabilité. Évaluer des groupes de modèles hautement interchangeables à prendre en compte à des fins de prévision de l'histogramme dose-volume (DVH) multi-institutionnel.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
-
Milano, Italie, 20133
- IRCCS Ospedale San Raffaele
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
Données de plans réels consécutifs (ou choisis au hasard) de patients traités pour un cancer de la prostate, un cancer du sein et pour des situations SBRT sélectionnées (colonne vertébrale et prostate, selon les schémas RTOG 0631 et 0938 respectivement) au cours des 10 dernières années.
Le nombre minimum de patients de la cohorte de tests, à prendre en compte pour évaluer les différences inter-instituts (c'est-à-dire inter-modèles) dans la prédiction des statistiques de DVH et de dose, doit être évalué. Afin de faire une estimation significative du nombre maximum nécessaire pour apprécier les différences, nous pouvons nous concentrer sur la situation de planification avec le plus grand niveau de standardisation attendu (c'est-à-dire : s'attendre à une variabilité intra et inter-instituts relativement faible) et supposer que les situations restantes sont plus élevées. sujet à la variabilité. Ce « pire cas » a été identifié dans le traitement du cancer du sein gauche par irradiation par champ tangentiel, en se concentrant sur la dose moyenne au cœur, reconnue comme associée à une mortalité cardiaque à long terme. Sur la base des données pilotes du centre PI, la dose moyenne au cœur de la population est de 2,7 Gy avec un SD égal à 0,9 Gy, avec une distribution gaussienne des valeurs au sein d'une population de 103 patients consécutifs. En considérant comme cliniquement pertinent un décalage systématique de 1,3 Gy (correspondant à une augmentation de la surmortalité cardiaque de 5 % [27]), le nombre minimum de patients nécessaires pour détecter une telle différence avec une puissance de 80 % est de n=8 par centre (alpha : 0,05 ).
Critère d'exclusion:
-
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
interchangeabilité des modèles
Délai: 3 années
|
l'interchangeabilité sera évaluée en considérant : a) la fraction de patients identifiés comme « anomalie anatomique » (en termes de limites des caractéristiques géométriques (GF) de chaque modèle unique) une fois que le modèle provenant de l'Institut X est appliqué aux patients de l'Institut Y (modX-Y) et vice-versa (modY-X) ; b) les différences relatives dans les prédictions de DVH entre modX-Y et modY-X, incluant et n'incluant pas les patients « GF aberrants » précédemment reconnus.
Sur la base de ces résultats et de leur interprétation clinique, des sous-groupes de modèles KB avec une interchangeabilité « élevée » seront provisoirement identifiés et les relations entre GF et interchangeabilité quantifiées.
|
3 années
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Claudio Fiorino, Msc, IRCCS Ospedale San Raffaele
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- IG23150
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .