- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT06602674
A hipermetabolikus tüdőelváltozások PET/CT-alapú képelemzése és gépi tanulása
A pulmonalis limfóma és más hipermetabolikus elváltozások PET/CT képalkotó alapú megkülönböztetése képalkotó manifesztációk és gépi tanulási technikák segítségével: többközpontú retrospektív vizsgálat
Először elemezzük a típusokat, a képalkotó leleteket és a releváns kezelési válaszokat PET/CT alapján, hogy átfogóbb képet kapjunk a pulmonalis limfómákról.
Ezután néhány radiomikai jellemzőn alapuló modellt fejlesztenek ki, hogy ellenőrizzék a tüdőlimfómák gépi tanulással történő megkülönböztetésének lehetőségét, és több osztályú osztályozási modellt dolgozzanak ki.
A tanulmány végső célja mély tanulási modellek készletének kidolgozása a tüdőkárosodás előzetes szegmentálásához és több osztályos osztályozáshoz. A modellek az FDG-avid tüdőléziókat négy csoportba sorolják, amelyek mindegyikét patológiás eredetük, elsődleges terápia és megfelelő klinikai osztály határozza meg.
A tanulmány áttekintése
Állapot
Beavatkozás / kezelés
Részletes leírás
- A helyi képfunkció-kivonó szoftver (LIFEx, 7.4.0, Franciaország) a kép áttekintésére és a releváns adatok mérésére szolgált. Három megfigyelő egymástól függetlenül értelmezte a képeket. Egyet nem értés esetén egy több mint egy évtizedes tapasztalattal rendelkező vezető orvos véleményét élvezték. A képalkotó leleteket az alapvizsgálatok alapján rögzítettük. A léziók számát, elhelyezkedését és leíró címkéit szisztematikusan naplóztuk a képalkotó jelentésben meghatározott normáknak megfelelően. Az adatok rendezése és számítása során az SPSS (v26.0) statisztikai szoftvert használtam. Khi-négyzet tesztet alkalmaztak az SPL és a PPL összehasonlítására olyan kategorikus változók alapján, mint a CT-leletek, míg a T-tesztet a folytonos változók, például a glikémia és a SUV értékelésére. Tekintettel a kategorikus változók túlsúlyára, a khi-négyzet vagy Fisher-féle egzakt tesztet (<40 vagy >20% sejtek esetén <5 várt számmal) alkalmazták a kezelésre adott válasz és a képalkotó teljesítmény értékelésére. A kategorikus és a SUV-alapú folytonos változók közötti kapcsolat elemzésére Spearman-féle korrelációs együtthatót alkalmaztunk.
- Ebben a vizsgálatban a metabolikus tumor térfogatát 40%-os relatív küszöbértéknél (MTV40%) választották ki a képelemzés szempontjából érdekes térfogatnak (VOI). A jellemzők kinyeréséhez a Python (v3.11.7) alapú rádiómisztikai szolgáltatáskivonó eszközkészletet használtuk, a PyRadiomics (v3.1.0), a SimpleITK orvosi képfeldolgozó könyvtárral (v2.3.1), a Numpy numerikus számítási és adatmanipulációs könyvtárral (v1.26.2) és a PyWavelet wavelet transzformációs könyvtárral (v1.5.0) együtt. A funkciók kiválasztása az R programozási nyelven (v4.2.0) alapuló RStudio (v.2023.12.0+369) segítségével történt. A számítási hatékonyság biztosítása és a túlillesztés elkerülése érdekében a megőrzött jellemzők számát legfeljebb 10%-ra korlátozták a képzési készletben lévő sérülések számának. A modellelemzést és -validációt is elsősorban az RStudio segítségével végeztük.
- A mély tanulási vizsgálat a hipermetabolikus tüdőelváltozások azonosításának és osztályozásának feladatát két szakaszra osztja: szegmentációra és osztályozásra. A szegmentálási szakaszban először a nyílt forráskódú 2D-s Lungmask modellt használtuk a tüdőrégió automatikus kivágására a teljes test PET/CT-képekből, biztosítva, hogy a későbbi feldolgozás a tüdőterületre összpontosuljon. Ezt követően kifejlesztettünk egy 3D UNet modellt maradék modulokkal, amelyeket kifejezetten a hipermetabolikus tüdőelváltozások szegmentálására terveztek. Ez a modell a kivágott PET/CT-képeket használja bemenetként, hatékonyan kinyerve a lézióinformációkat a háromdimenziós képekből, és pontosan szegmentálja a hipermetabolikus tüdőléziós területeket. A modellt ezután mind a belső tesztkészletekre, mind a külső validációs készletekre alkalmazták következtetések levonására, ami a következőt eredményezte: a léziót tartalmazó ROI-k kivonása.
Tanulmány típusa
Beiratkozás (Tényleges)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
Shanghai
-
Shanghai, Shanghai, Kína, 200025
- Ruijin Hospital affiliated to Shanghai Jiao Tong University of Medicine
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Felnőtt betegek (≥18 év);
- Elsődleges vagy visszatérő limfóma, az utolsó kezeléstől számított ≥6 hónap; elsődleges tüdőrákos betegek előzetes rosszindulatú daganat nélkül;
- Jóindulatú szilárd tüdőelváltozások, előzetes rosszindulatú daganat nélkül;
- Tüdő sugárkezeléssel vagy részecskebeültetéssel nem kezelt tüdőáttét;
- Kiindulási értékelés, amely PET-pozitív tüdőelváltozásokat tár fel.
- Patológiai eredmények a vizsgálat időpontjától számított 3 hónapon belül, igazolt tüdőelváltozások tracheoszkópiával, tüdőpunkcióval vagy műtéttel.
- A kiindulási tüdőelváltozások továbbra is pulmonális limfómának (vagy metasztázisnak) tekinthetők a nyomon követési klinikai és képalkotó értékelés alapján.
Kizárási feltételek:
- rossz képminőség;
- Képtelenség megjelölni a tüdőelváltozások határait a CT-képeken;
- A közeli eszközök, például sztentek vagy vízelvezető csövek által okozott műtermékek.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
Pulmonális limfóma
(1) Felnőtt betegek (≥18 év).
(2) Primer vagy visszatérő limfómában szenvedő betegek, akik az utolsó kezeléstől számított 6 hónapon túl.
(3) A kórházban végzett kiindulási vizsgálat PET-pozitív tüdőelváltozásokat tárt fel, a CT-vel mért maximális átmérő ≥3 mm, ≥2 képrétegen látható.
(4) Patológiai eredmények a vizsgálat időpontjától számított 3 hónapon belül, igazolt tüdőelváltozások tracheoszkópiával, tüdőpunkcióval vagy műtéttel.
Vagy a nyirokcsomó- és külső tüdőpunkcióval diagnosztizált limfóma kiindulási tüdőelváltozásai továbbra is pulmonalis limfómának minősülnek a nyomon követési klinikai és képalkotó értékelés alapján.
|
Figyelje meg az orvosi képeket munkaállomáson vagy helyi képelemző szoftveren keresztül
Képfunkció kinyerése radiomika vagy mély tanulási módszerekkel
|
|
Tüdőrák
(1) Felnőtt betegek (≥18 év).
(2) Primer tüdőrákos betegek, akiknek nem volt rosszindulatú daganata (3) A kórházi kiindulási vizsgálat PET-pozitív tüdőelváltozásokat tárt fel, a CT-vel mért maximális átmérő ≥3 mm, és ≥2 képrétegen keresztül látható.
(4) Patológiai eredmények a vizsgálat időpontjától számított 3 hónapon belül, igazolt tüdőelváltozások tracheoszkópiával, tüdőpunkcióval vagy műtéttel.
|
Figyelje meg az orvosi képeket munkaállomáson vagy helyi képelemző szoftveren keresztül
Képfunkció kinyerése radiomika vagy mély tanulási módszerekkel
|
|
Jóindulatú
(1) Felnőtt betegek (≥18 év).
(2) Jóindulatú szilárd tüdőkárosodásban szenvedő betegek, előzetes rosszindulatú daganat nélkül.
(3) A kórházban végzett kiindulási vizsgálat PET-pozitív tüdőelváltozásokat tárt fel, a CT-vel mért maximális átmérő ≥3 mm, ≥2 képrétegen látható.
(4) Patológiai eredmények a vizsgálat időpontjától számított 3 hónapon belül, igazolt tüdőelváltozások tracheoszkópiával, tüdőpunkcióval vagy műtéttel.
|
Figyelje meg az orvosi képeket munkaállomáson vagy helyi képelemző szoftveren keresztül
Képfunkció kinyerése radiomika vagy mély tanulási módszerekkel
|
|
Metasztázis
(1) Felnőtt betegek (≥18 év).
(2) Tüdő-áttétes betegek, akiket nem kezeltek tüdősugárterápiával vagy részecskeimplantációval.
(3) A kórházban végzett kiindulási vizsgálat PET-pozitív tüdőelváltozásokat tárt fel, a CT-vel mért maximális átmérő ≥3 mm, ≥2 képrétegen látható.
(4) Patológiai eredmények a vizsgálat időpontjától számított 3 hónapon belül, igazolt tüdőelváltozások tracheoszkópiával, tüdőpunkcióval vagy műtéttel.
Vagy a nyirokcsomó- és külső tüdőpunkcióval diagnosztizált metasztázisok kiindulási tüdőelváltozásai továbbra is tüdőáttétnek minősülnek a nyomon követett klinikai és képalkotó értékelés alapján.
|
Figyelje meg az orvosi képeket munkaállomáson vagy helyi képelemző szoftveren keresztül
Képfunkció kinyerése radiomika vagy mély tanulási módszerekkel
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
A 18F-FDG PET/CT kép képalkotó/radiomika/mély tanulási funkciói
Időkeret: Alapvonal
|
Alapvonal
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A szegmentációs modell hatékonysága
Időkeret: közvetlenül a modellek fejlesztése és tesztelése után
|
A szegmentációs modell hatékonyságát a léziók észlelési aránya és a kocka hasonlósági együtthatója (2(A∩B)/ (A+B), A=szegmentált voxeltérfogat, B=földi igazság térfogata) értékeli, amely egyaránt leírja a a lézió és a háttér felosztásának pontossága.
|
közvetlenül a modellek fejlesztése és tesztelése után
|
|
Az osztályozási modell hatékonysága
Időkeret: közvetlenül a modellek fejlesztése és tesztelése után
|
Az osztályozási modellt a pontosság [ (TP+TN)/(TP+FP+TN+FN) ] , precizitás [TP/(TP+FP)], visszahívás [TP/(TP+FN)], F1- értékeli. pontszám [2*precision*recall/(precision+recall)], amely mind a minták helyesen vagy rosszul osztályozott elváltozásainak arányát írja le különböző szempontokból.
Míg a vevő működési karakterisztikája (ROC) görbe ezt jobban szemlélteti.
A görbe alatti terület (AUC) a ROC-görbe alatti terület arányát számította ki, 0 és 1 között, ami az osztályozás általános hatékonyságát jelenti az egyes csoportokban.
|
közvetlenül a modellek fejlesztése és tesztelése után
|
Együttműködők és nyomozók
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Tényleges)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- RuijinH 2024-70
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
az Egyesült Államokban gyártott és onnan exportált termék
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. .