Résection 3D virtuelle pour prédire la fonction pulmonaire en VATS
Prédiction Préopératoire par Résection Virtuelle Tridimensionnelle de la Fonction Pulmonaire Postopératoire Après Résection Anatomique : Une Étude Longitudinale Prospective
Cette étude vise à valider une nouvelle stratégie d'évaluation préopératoire utilisant la reconstruction tridimensionnelle (3-D) par tomodensitométrie (CT) et la simulation de résection virtuelle. L'objectif est de prédire avec précision la fonction pulmonaire postopératoire chez les patients atteints d'un cancer du poumon non à petites cellules (NSCLC) subissant une résection anatomique par chirurgie thoracoscopique vidéo-assistée (VATS).
La prédiction précise de la fonction pulmonaire postopératoire est cruciale pour la sécurité des patients. Les méthodes traditionnelles, telles que le comptage des segments, manquent souvent de précision car elles supposent que tous les segments pulmonaires contribuent également à la fonction, ignorant les variations causées par les tumeurs ou l'emphysème. Cette étude utilise la « résection virtuelle » 3-D pour quantifier la « fraction de volume pulmonaire ventilé réséqué planifié » (pRVLVF) avant la chirurgie.
L'étude recrutera 60 participants divisés en deux groupes : ceux subissant une lobectomie (n=30) et ceux subissant une segmentectomie (n=30). Les participants subiront des scanners CT en coupes fines standard et des tests de fonction pulmonaire (PFT) avant la chirurgie. Postopératoirement, la fonction pulmonaire et la récupération seront suivies à 3, 6 et 12 mois pour développer un modèle de prédiction dynamique et évaluer la capacité compensatoire du poumon résiduel.
Aperçu de l'étude
Statut
Description détaillée
Contexte : Le cancer du poumon reste une cause majeure de mortalité par cancer. Pour le cancer du poumon non à petites cellules (CPNPC) à un stade précoce, la résection anatomique par VATS (lobectomie ou segmentectomie) est le traitement standard. Cependant, la sécurité de la chirurgie dépend fortement de la réserve pulmonaire du patient. Les méthodes de prédiction traditionnelles, telles que la règle du comptage des segments, ont montré des erreurs de prédiction allant jusqu'à 20-30 % car elles ne tiennent pas compte de l'hétérogénéité régionale de la ventilation pulmonaire.
Conception de l'étude : Il s'agit d'une étude de cohorte prospective, multicentrique et longitudinale. L'étude prévoit d'inclure 60 patients éligibles pour une résection anatomique par VATS. Les patients seront stratifiés en deux groupes :
- Groupe Segmentectomie par VATS (n=30)
- Groupe Lobectomie par VATS (n=30)
Méthodologie :
1. Évaluation préopératoire : Dans les 30 jours précédant la chirurgie, tous les participants subiront une tomodensitométrie thoracique haute résolution en coupes fines (1 mm) et des tests de fonction pulmonaire (TFP) standards.
2. Résection virtuelle 3D : En utilisant le logiciel Synapse 3D, un modèle anatomique spécifique au patient sera reconstruit. L'investigateur effectuera une simulation de « résection virtuelle » pour délimiter la zone de résection prévue. Le système calculera la Fraction du Volume Pulmonaire Ventilé Réséqué Prévu (pRVLVF), définie sur la base du tissu pulmonaire bien aéré (atténuation CT de -950 à -700 UH).
3. Procédure chirurgicale : Les patients subiront une lobectomie ou une segmentectomie par VATS standard selon les indications cliniques.
4. Suivi postopératoire : Les TFP seront réalisés à 3, 6 et 12 mois après la chirurgie. Des scanners de suivi seront effectués à 6 et 12 mois pour évaluer le remodelage structurel.
Objectifs et analyse :
Objectif principal : Valider la précision du modèle de prédiction basé sur la pRVLVF. Le critère d'évaluation principal est l'Erreur Absolue Moyenne (MAE) du VEMS prédit à 3 mois après la chirurgie, avec une précision cible de MAE < 180 mL.
Objectifs secondaires :
- Évaluer la précision de la prédiction à long terme à 6 et 12 mois.
- Quantifier le « Coefficient de Compensation » (CC) du poumon résiduel en utilisant des modèles à effets mixtes linéaires (LME), en ajustant pour l'âge, l'IMC et les antécédents tabagiques.
- Évaluer l'impact des complications postopératoires sur la courbe de récupération fonctionnelle.
Cette étude vise à établir un outil précis, accessible et dynamique pour l'évaluation des risques chirurgicaux et la prise de décision en chirurgie thoracique.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Chih-Hsiang Chang, MD
- Numéro de téléphone: +886-0972653384
- E-mail: thenightdeity@gmail.com
Lieux d'étude
-
-
-
Taipei, Taïwan
- Recrutement
- National Taiwan University Cancer Center
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critères d'inclusion :
- Patients programmés pour une lobectomie ou une segmentectomie par thoracoscopie vidéo-assistée (VATS) au National Taiwan University Hospital ou au NTU Cancer Center.
- Âgés de 18 à 80 ans.
- Patients ayant signé le formulaire de consentement éclairé acceptant de fournir des données d'imagerie pour la modélisation 3D.
Critères d'exclusion :
- Âge inférieur à 18 ans ou supérieur à 80 ans.
- Patients non programmés pour une lobectomie ou une segmentectomie par VATS.
- Patients diagnostiqués avec une bronchopneumopathie chronique obstructive (BPCO).
- Patients incapables ou refusant de signer le formulaire de consentement éclairé.
- Populations vulnérables.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Groupe Segmentectomie VATS
Patients atteints d'un cancer du poumon non à petites cellules programmés pour subir une segmentectomie par thoracoscopie vidéo-assistée.
|
|
Groupe de lobectomie par VATS
Patients atteints d'un cancer du poumon non à petites cellules programmés pour subir une lobectomie thoracoscopique vidéo-assistée.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Erreur Absolue Moyenne (MAE) de la FEV1 Postopératoire Prévue
Délai: 3 mois post-opératoire
|
La précision du modèle de résection virtuelle 3D préopératoire sera évaluée en calculant l'erreur absolue moyenne (MAE) entre la CVF prédite et la CVF réellement mesurée.
Une MAE plus faible indique une précision de prédiction plus élevée.
L'étude vise une MAE inférieure à 180 mL.
|
3 mois post-opératoire
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Erreur de prédiction à long terme du VEMS et de la CV
Délai: 6 mois et 12 mois post-opératoire
|
Évaluation de la précision du modèle de prédiction à 6 et 12 mois pour évaluer la stabilité dans le temps.
|
6 mois et 12 mois post-opératoire
|
Collaborateurs et enquêteurs
Parrainer
Publications et liens utiles
Publications générales
- Chen L, Yang J, Zhang C, Zhang L, Han X, Dong C, Gui S, Liu X, Shi H. Quantitative computed tomography assessment of pulmonary function and compensation after lobectomy and segmentectomy in lung cancer patients. J Thorac Dis. 2024 Sep 30;16(9):5765-5778. doi: 10.21037/jtd-24-492. Epub 2024 Sep 6.
- Colombi D, Risoli C, Delfanti R, Chiesa S, Morelli N, Petrini M, Capelli P, Franco C, Michieletti E. Software-Based Assessment of Well-Aerated Lung at CT for Quantification of Predicted Pulmonary Function in Resected NSCLC. Life (Basel). 2023 Jan 10;13(1):198. doi: 10.3390/life13010198.
- Jeong YH, Lee H, Jang HJ, Park DW, Choi YY, Lee SJ. Predicting postoperative lung function using ventilation SPECT/CT in patients with lung cancer. J Thorac Dis. 2024 Feb 29;16(2):1054-1062. doi: 10.21037/jtd-23-1563. Epub 2024 Feb 26.
- Kang HJ, Lee SS. Comparison of Predicted Postoperative Lung Function in Pneumonectomy Using Computed Tomography and Lung Perfusion Scans. J Chest Surg. 2021 Dec 5;54(6):487-493. doi: 10.5090/jcs.21.084.
- Bolliger CT, Guckel C, Engel H, Stohr S, Wyser CP, Schoetzau A, Habicht J, Soler M, Tamm M, Perruchoud AP. Prediction of functional reserves after lung resection: comparison between quantitative computed tomography, scintigraphy, and anatomy. Respiration. 2002;69(6):482-9. doi: 10.1159/000066474.
- Wu MT, Chang JM, Chiang AA, Lu JY, Hsu HK, Hsu WH, Yang CF. Use of quantitative CT to predict postoperative lung function in patients with lung cancer. Radiology. 1994 Apr;191(1):257-62. doi: 10.1148/radiology.191.1.8134584.
- Wu MT, Pan HB, Chiang AA, Hsu HK, Chang HC, Peng NJ, Lai PH, Liang HL, Yang CF. Prediction of postoperative lung function in patients with lung cancer: comparison of quantitative CT with perfusion scintigraphy. AJR Am J Roentgenol. 2002 Mar;178(3):667-72. doi: 10.2214/ajr.178.3.1780667.
- Ueda K, Tanaka T, Hayashi M, Li TS, Tanaka N, Hamano K. Computed tomography-defined functional lung volume after segmentectomy versus lobectomy. Eur J Cardiothorac Surg. 2010 Jun;37(6):1433-7. doi: 10.1016/j.ejcts.2010.01.002. Epub 2010 Feb 11.
- Ueda K, Tanaka T, Li TS, Tanaka N, Hamano K. Quantitative computed tomography for the prediction of pulmonary function after lung cancer surgery: a simple method using simulation software. Eur J Cardiothorac Surg. 2009 Mar;35(3):414-8. doi: 10.1016/j.ejcts.2008.04.015. Epub 2008 May 16.
- Fernandez-Rodriguez L, Torres I, Romera D, Galera R, Casitas R, Martinez-Ceron E, Diaz-Agero P, Utrilla C, Garcia-Rio F. Prediction of postoperative lung function after major lung resection for lung cancer using volumetric computed tomography. J Thorac Cardiovasc Surg. 2018 Dec;156(6):2297-2308.e5. doi: 10.1016/j.jtcvs.2018.07.040. Epub 2018 Aug 2.
- Oswald NK, Halle-Smith J, Mehdi R, Nightingale P, Naidu B, Turner AM. Predicting Postoperative Lung Function Following Lung Cancer Resection: A Systematic Review and Meta-analysis. EClinicalMedicine. 2019 Sep 10;15:7-13. doi: 10.1016/j.eclinm.2019.08.015. eCollection 2019 Oct.
- Park H, Yun J, Lee SM, Hwang HJ, Seo JB, Jung YJ, Hwang J, Lee SH, Lee SW, Kim N. Deep Learning-based Approach to Predict Pulmonary Function at Chest CT. Radiology. 2023 Apr;307(2):e221488. doi: 10.1148/radiol.221488. Epub 2023 Feb 14.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
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
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 202510086RINC
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
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 .