Gépi tanulás a nyirokcsomó-metasztázis előrejelzésére T1 nyelőcső laphámsejtes karcinómában
2024. február 9. frissítette: Shanghai Zhongshan Hospital
Gépi tanulás a nyirokcsomó-metasztázis előrejelzésére T1 nyelőcső laphámsejtes karcinómában: Multicentrikus vizsgálat
A meglévő modellek rosszul teljesítenek a nyirokcsomó-metasztázisok (LNM) kockázatának számszerűsítésében.
Ez a tanulmány elasztikus nettó regressziót (ELR), véletlen erdőt (RF), extrém gradiens növelést (XGB) és ezek kombinált (együttes) modelljét generálta az LNM-re T1 nyelőcső laphámsejtes karcinómában szenvedő betegeknél.
A tanulmány áttekintése
Állapot
Befejezve
Körülmények
Beavatkozás / kezelés
Részletes leírás
A nyirokcsomó-metasztázisok (LNM) a T1 nyelőcső laphámsejtes karcinóma (ESCC) viszonylag ritka, de lehetséges szövődménye. A meglévő modellek rosszul teljesítenek ennek a kockázatnak a számszerűsítésében. Ennek a tanulmánynak az volt a célja, hogy gépi tanulási modellt dolgozzon ki az LNM számára T1 nyelőcső laphámsejtes karcinómában szenvedő betegeknél.
Ebbe a vizsgálatba 3 intézményből 2010 januárja és 2021 szeptembere között műtéttel kezelt T1 laphámsejtes karcinómás betegeket vontak be. A gépi tanulási modelleket a betegek életkorára és nemére, a daganat inváziójának mélységére, a daganat méretére, a daganat helyére, a makroszkópos tumortípusra, a nyirok- és érinvázióra és a szövettani fokozatra vonatkozó adatok felhasználásával fejlesztették ki. Elasztikus nettó regresszió (ELR), véletlen erdő (RF), extrém gradiens-növelés (XGB) és ezek kombinált (ensemble) modellje készült. A görbe alatti terület (AUC) segítségével értékelje ki a modell előrejelző képességét. Az egyes tényezők modellhez való hozzájárulását kiszámítottuk. A klinikai igények jobb kielégítése érdekében a kutatók a modellt felhasználóbarát weboldalként tervezték.
Tanulmány típusa
Beavatkozó
Beiratkozás (Tényleges)
1267
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Shanghai
-
Shanghai, Shanghai, Kína, 200032
- Zhongshan Hospital Affiliated to Fudan University
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Nem
Leírás
Bevételi kritériumok:
- (I) mellkasi ESCC
- (II) nincs a kórelőzményében egyidejű vagy korábbi rosszindulatú daganat
- (III) pT1 stádiumú daganat
- (IV) 15 vagy több nyirokcsomót vizsgáltunk
Kizárási kritériumok:
- műtét előtt neoadjuváns kezelésen vagy endoszkópos submucosalis disszekción esett át
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Diagnosztikai
- Kiosztás: N/A
- Beavatkozó modell: Egyetlen csoportos hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: A nyirokcsomó-metasztázis előrejelzésére használt kar
|
Nyelőcsődaganat és nyirokcsomó disszekció reszekciója
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Modellteljesítmény: diszkrimináció
Időkeret: 8 hét
|
Rajzolja meg a modell ROC-görbéjét, és kapja meg azok AUC-értékeit, és válassza ki a legjobb előrejelzési modellt a validációs halmaz eredményei alapján
|
8 hét
|
|
Változó fontosság
Időkeret: 6 hét
|
Számítsa ki a modellben használt változók fontossági szintjét és rendezze őket, és elemezze a legfontosabb változók okait
|
6 hét
|
|
Részelemzés (ML modell vs logisztikai modell vs NCCN irányelv)
Időkeret: 8 hét
|
Alkalmazzon NCCN irányelveket és logisztikai modelleket az előrejelzéshez, és hasonlítsa össze teljesítményüket az ebben a tanulmányban kapott modellel, hogy meghatározza a modell tényleges alkalmazási előnyeit
|
8 hét
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Általános kiadványok
- Erratum: Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2020 Jul;70(4):313. doi: 10.3322/caac.21609. Epub 2020 Apr 6. No abstract available.
- van Vliet EP, Heijenbrok-Kal MH, Hunink MG, Kuipers EJ, Siersema PD. Staging investigations for oesophageal cancer: a meta-analysis. Br J Cancer. 2008 Feb 12;98(3):547-57. doi: 10.1038/sj.bjc.6604200. Epub 2008 Jan 22.
- Collins GS, Dhiman P, Andaur Navarro CL, Ma J, Hooft L, Reitsma JB, Logullo P, Beam AL, Peng L, Van Calster B, van Smeden M, Riley RD, Moons KG. Protocol for development of a reporting guideline (TRIPOD-AI) and risk of bias tool (PROBAST-AI) for diagnostic and prognostic prediction model studies based on artificial intelligence. BMJ Open. 2021 Jul 9;11(7):e048008. doi: 10.1136/bmjopen-2020-048008.
- Ohashi S, Miyamoto S, Kikuchi O, Goto T, Amanuma Y, Muto M. Recent Advances From Basic and Clinical Studies of Esophageal Squamous Cell Carcinoma. Gastroenterology. 2015 Dec;149(7):1700-15. doi: 10.1053/j.gastro.2015.08.054. Epub 2015 Sep 12.
- Merkow RP, Bilimoria KY, Keswani RN, Chung J, Sherman KL, Knab LM, Posner MC, Bentrem DJ. Treatment trends, risk of lymph node metastasis, and outcomes for localized esophageal cancer. J Natl Cancer Inst. 2014 Jul 16;106(7):dju133. doi: 10.1093/jnci/dju133. Print 2014 Jul.
- Alvarez Herrero L, Pouw RE, van Vilsteren FG, ten Kate FJ, Visser M, van Berge Henegouwen MI, Weusten BL, Bergman JJ. Risk of lymph node metastasis associated with deeper invasion by early adenocarcinoma of the esophagus and cardia: study based on endoscopic resection specimens. Endoscopy. 2010 Dec;42(12):1030-6. doi: 10.1055/s-0030-1255858. Epub 2010 Oct 19.
- Gamboa AM, Kim S, Force SD, Staley CA, Woods KE, Kooby DA, Maithel SK, Luke JA, Shaffer KM, Dacha S, Saba NF, Keilin SA, Cai Q, El-Rayes BF, Chen Z, Willingham FF. Treatment allocation in patients with early-stage esophageal adenocarcinoma: Prevalence and predictors of lymph node involvement. Cancer. 2016 Jul 15;122(14):2150-7. doi: 10.1002/cncr.30040. Epub 2016 May 3.
- Dubecz A, Kern M, Solymosi N, Schweigert M, Stein HJ. Predictors of Lymph Node Metastasis in Surgically Resected T1 Esophageal Cancer. Ann Thorac Surg. 2015 Jun;99(6):1879-85; discussion 1886. doi: 10.1016/j.athoracsur.2015.02.112. Epub 2015 Apr 28.
- Zheng H, Tang H, Wang H, Fang Y, Shen Y, Feng M, Xu S, Fan H, Ge D, Wang Q, Tan L. Nomogram to predict lymph node metastasis in patients with early oesophageal squamous cell carcinoma. Br J Surg. 2018 Oct;105(11):1464-1470. doi: 10.1002/bjs.10882. Epub 2018 Jun 4.
- Duan X, Shang X, Yue J, Ma Z, Chen C, Tang P, Jiang H, Yu Z. A nomogram to predict lymph node metastasis risk for early esophageal squamous cell carcinoma. BMC Cancer. 2021 Apr 20;21(1):431. doi: 10.1186/s12885-021-08077-z.
- Jiang KY, Huang H, Chen WY, Yan HJ, Wei ZT, Wang XW, Li HX, Zheng XY, Tian D. Risk factors for lymph node metastasis in T1 esophageal squamous cell carcinoma: A systematic review and meta-analysis. World J Gastroenterol. 2021 Feb 28;27(8):737-750. doi: 10.3748/wjg.v27.i8.737.
- Pavlou M, Ambler G, Seaman SR, Guttmann O, Elliott P, King M, Omar RZ. How to develop a more accurate risk prediction model when there are few events. BMJ. 2015 Aug 11;351:h3868. doi: 10.1136/bmj.h3868. Erratum In: BMJ. 2016 Jun 08;353:i3235.
- Choi J, Kim SG, Kim JS, Jung HC, Song IS. Comparison of endoscopic ultrasonography (EUS), positron emission tomography (PET), and computed tomography (CT) in the preoperative locoregional staging of resectable esophageal cancer. Surg Endosc. 2010 Jun;24(6):1380-6. doi: 10.1007/s00464-009-0783-x. Epub 2009 Dec 24.
- Ou J, Wu L, Li R, Wu CQ, Liu J, Chen TW, Zhang XM, Tang S, Wu YP, Yang LQ, Tan BG, Lu FL. CT radiomics features to predict lymph node metastasis in advanced esophageal squamous cell carcinoma and to discriminate between regional and non-regional lymph node metastasis: a case control study. Quant Imaging Med Surg. 2021 Feb;11(2):628-640. doi: 10.21037/qims-20-241.
- Wang S, Chen X, Fan J, Lu L. Prognostic Significance of Lymphovascular Invasion for Thoracic Esophageal Squamous Cell Carcinoma. Ann Surg Oncol. 2016 Nov;23(12):4101-4109. doi: 10.1245/s10434-016-5416-8. Epub 2016 Jul 19.
- Li B, Chen H, Xiang J, Zhang Y, Kong Y, Garfield DH, Li H. Prevalence of lymph node metastases in superficial esophageal squamous cell carcinoma. J Thorac Cardiovasc Surg. 2013 Nov;146(5):1198-203. doi: 10.1016/j.jtcvs.2013.07.006. Epub 2013 Aug 26.
- Shen W, Shen Y, Tan L, Jin C, Xi Y. A nomogram for predicting lymph node metastasis in surgically resected T1 esophageal squamous cell carcinoma. J Thorac Dis. 2018 Jul;10(7):4178-4185. doi: 10.21037/jtd.2018.06.51.
- Akutsu Y, Uesato M, Shuto K, Kono T, Hoshino I, Horibe D, Sazuka T, Takeshita N, Maruyama T, Isozaki Y, Akanuma N, Matsubara H. The overall prevalence of metastasis in T1 esophageal squamous cell carcinoma: a retrospective analysis of 295 patients. Ann Surg. 2013 Jun;257(6):1032-8. doi: 10.1097/SLA.0b013e31827017fc.
- Emi M, Hihara J, Hamai Y, Furukawa T, Ibuki Y, Okada M. Clinicopathologic Features of Submucosal Esophageal Squamous Cell Carcinoma. Ann Thorac Surg. 2017 Dec;104(6):1858-1864. doi: 10.1016/j.athoracsur.2017.06.037. Epub 2017 Oct 21.
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2010. január 15.
Elsődleges befejezés (Tényleges)
2019. december 15.
A tanulmány befejezése (Tényleges)
2023. július 15.
Tanulmányi regisztráció dátumai
Először benyújtva
2024. január 23.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2024. február 9.
Első közzététel (Tényleges)
2024. február 13.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2024. február 13.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2024. február 9.
Utolsó ellenőrzés
2024. február 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
- Emésztőrendszeri betegségek
- Patológiás folyamatok
- Neoplazmák szövettani típus szerint
- Neoplazmák
- Neoplazmák webhelyenként
- Karcinóma
- Neoplazmák, mirigyes és epiteliális
- Gasztrointesztinális neoplazmák
- Emésztőrendszeri neoplazmák
- Emésztőrendszeri betegségek
- A fej és a nyak daganatai
- Neoplasztikus folyamatok
- Nyelőcső betegségei
- Neoplazmák, laphám
- Nyelőcső neoplazmák
- Neoplazma metasztázis
- Nyirokmetasztázis
- Karcinóma, laphámsejtes
- Nyelőcső laphámsejtes karcinóma
Egyéb vizsgálati azonosító számok
- 81902396
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .