神経芽腫の転移検出のためのリスクモデル (NB)
神経芽腫の検出と予後のための骨髄細胞学に基づく人工知能モデル
神経芽腫 (NB) は小児で最も一般的な頭蓋外固形腫瘍であり、腫瘍関連死亡率の約 15% を占めます。 高リスク群のNB患者は骨髄転移や骨転移を起こしやすく、5年全生存率が低い。 人工知能 (AI) と深層学習テクノロジーは、臨床現場で骨髄細胞診の形態学的特徴を特定できる可能性を秘めています。 この研究では、研究者らは、NB の検出と予後のための骨髄細胞学に基づく AI モデルを構築し、評価しました。 研究の主な質問は次のとおりです。
質問 1: 線量骨髄細胞学に基づく AI モデルは、NB における骨髄転移の予測に機能しますか? 質問 2: 線量骨髄細胞学に基づく AI モデルは、NB における骨転移の予測に機能しますか? 質問 3: 線量骨髄細胞学に基づく AI モデルは、医師が生存転帰を個別に予測するのを支援する可能性がありますか? 調査員は、2019年1月から2024年6月までの間にNBの参加者を遡及的に取得します。 フォローアップ日は 2024 年 6 月 30 日に終了しました。
新華病院、上海交通大学医学部の参加者を含む内部コホート。 参加者を含む独立した外部コホートは、小児病院、浙江大学医学部、深セン小児病院から構成されています。
研究者は、治療を受ける前の患者の最初の入院時に、登録された参加者の臨床データを収集します。 年齢、性別、原発腫瘍の位置、腫瘍の悪性度、骨髄転移の状態、骨転移の状態、遺伝子異常（MYCN増幅、染色体1p欠失、染色体11q欠失）、検査変数（末梢血球数、骨髄細胞診）などの臨床情報指標、乳酸デヒドロゲナーゼ、ニューロン特異的エノラーゼの血清濃度）。
この研究は非介入的な観察研究であり、参加者や研究者にリスクはありません。 参加者には次のようなメリットがあります。
- 早期検出: このモデルは、リスクの早期特定と治療の個別化に役立ちます。
- 利便性: このモデルは一般的な臨床検査に依存しているため、実行が簡単であり、侵襲的な診断手順を減らすことができます。
- 費用対効果が高い: 日常的な検査からの既存の臨床データを使用すると、予測プロセスをより費用対効果の高いものにすることができます。
- データ主導の意思決定: AI モデルは診断効率を向上させ、医療上の意思決定をサポートします。
調査の概要
詳細な説明
データセットの処理。 この研究では、モデルにはトレーニング セット、検証セット、テスト セットが含まれます。 モデルの構築中、研究者は登録された参加者をトレーニング セットと検証セットに 8:2 の比率でランダムに割り当て、内部コホートでトレーニングを処理します。 研究者は、外部コホートの登録参加者をテスト セットとして使用してモデルのパフォーマンスを個別に評価し、将来の使用に最適なモデルを選択します。
上海交通大学医学部付属新華病院の倫理委員会は、この研究を承認しました (XHEC-C-2024-023-2)。
- 画像取得。 AI モデルでは、研究者は登録された参加者の骨髄塗抹標本を細胞学的評価と画像収集に使用します。 細胞の分類と転移の検出中に、経験豊富な病理学者が骨髄塗抹標本分析を完了します。骨髄内の転移性 NB クラスターは、通常、高い核/細胞質比を持つ凝集した丸い異型細胞を示します。 研究者らは、デジタル全スライド イメージング (WSI) のために、染色された骨髄塗抹標本を倍率 40 倍でスキャンします。 研究者らは、WSI を 512 × 512 ピクセルのタイルとして小さなパッチに分割し、Vahadane 法を適用して小さなタイルの色を正規化しました。
ディープラーニングのトレーニング。 骨髄細胞学的画像の特徴抽出では、プロセスにはパッチレベル予測と WSI レベル予測の 2 段階の予測が含まれます。
パッチレベルの予測の場合、調査者はすべてのパッチのラベル予測とそれぞれの確率を実行します。 研究者らは、認識型ニューラル ネットワーク (CNN)、resnet50 およびビジョン トランスフォーマー (ViT) のモデルを深層学習プロセスに適用します。 モデル内のパラメーター構成は次のとおりです: オプティマイザー - SGD、損失関数 - ソフトマックス クロスエントロピー、バッチ サイズ 64。
WSI レベルの予測の場合、研究者はマルチインスタンス学習 (MIL) アルゴリズムを使用して、分散したパッチレベルの特徴を WSI レベルの特徴に集約します。 WSI フュージョンの MIL 中に、研究者はパッチ尤度ヒストグラム (PLH) パイプラインと Bag of Words (BoW) パイプラインを組み合わせて WSI レベルの予測を実行します。 その後、研究者は、その後の分析操作のための参加者の最終的な表現として WSI レベルの予測を取得します。
特徴的な建物。 特徴選択の過程で、研究者は LASSO (最小絶対収縮および選択オペレーター) 特徴スクリーニングを使用して、骨髄細胞学の最終的な WSI レベルの特徴を決定します。 これらの選択された特徴は、AI モデルを開発するために機械学習手法の対象となります。 研究者らは、サポートベクターマシン（SVM）、ロジスティック回帰（LR）、ランダムフォレストや極めてランダム化されたツリーなどのツリーベースのモデルなど、参加者の骨髄および/または骨の転移状態を予測するためにいくつかの機械学習アルゴリズムを適用します（ ExtraTrees)、エクストリーム グラディエント ブースティング (XGBoost)、ライト グラディエント ブースティング マシン (LightGBM)、および多層パーセプトロン (MLP) を使用してモデルを開発しました。
予後モデルでは、研究者は Cox モデルを使用して、骨髄の細胞学的特徴と臨床的特徴を備えた生存モデルを構築します。
- モデルの評価と統計分析。 研究者らは、SPSS バージョン 22.0 (SPSS, Inc.、シカゴ、イリノイ州、米国) の連続変数の独立サンプル t 検定および離散変数の χ² 検定と参加者の臨床特性を比較します。 P ≤ 0.05 は統計的に有意であるとみなされました。
診断モデルの場合、研究者はミクロとマクロの両方の曲線下面積 (AUC) メトリクスを使用して、さまざまな分類しきい値での感度、特異度、精度、陽性的中率および陰性的中率の観点からモデルを評価します。 モデルのパフォーマンスと有効性は、別のテスト コホートで評価されました。 この研究では、Python v.3.7.12 で記述されたカスタム Python コードを使用してモデルのパフォーマンスを評価します。
予後モデルの場合、研究者は AUC をパフォーマンス指標として使用し、感度と特異度を計算します。 テスト セットで最高のパフォーマンスを示したモデルが最適なモデルとして選択されました。 生存曲線は、Kaplan-Meier 法に従って作成されました。
研究の種類
入学 (推定)
連絡先と場所
研究場所
-
-
-
Shenzhen、中国、518038
- Shenzhen Children's Hospital
-
-
Shanghai
-
Shanghai、Shanghai、中国、200092
- Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine
-
-
Zhejiang
-
Hangzhou、Zhejiang、中国
- The Children's Hospital, Zhejiang University School of Medicine
-
-
参加基準
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
この研究には、2019年1月から2024年6月までに新たにNBと診断された参加者が含まれていました。 フォローアップ日は 2024 年 6 月 30 日に終了しました。
新華病院、上海交通大学医学部の参加者を含む内部コホート。 参加者を含む独立した外部コホートは、小児病院、浙江大学医学部、深セン小児病院から構成されています。 参加者全員が定期検査として骨髄塗抹標本分析を行っています。 ライトギムザで染色された骨髄塗抹標本は、標準的なプロトコルに従って作成されました。診断は経験豊富な病理学者によって完了し、臨床所見および/または放射線学的所見と相関していました。
説明
包含基準:
- 参加者は、国際神経芽腫リスクグループ病期分類システム（INRGSS）に従って、新たにNBと診断されました。 診断は経験豊富な病理学者によって完了され、臨床所見および/または放射線学的所見と関連付けられました。
- 参加者は他の病院でNBと診断され、化学療法や放射線療法を受けていませんでした。
- NB の参加者は、ルーチン検査として骨髄塗抹標本分析を実施しました。 ライトギムザで染色された骨髄塗抹標本は、標準的なプロトコールに従って作成されました。
除外基準:
- 他の悪性腫瘍と診断されている参加者。
- 以前に化学療法および/または放射線療法を受けたことのあるNBの参加者。
- 臨床データが不完全で、骨髄および/または骨の転移状態が不明な参加者。
- 参加者は、骨髄塗抹標本のライトギムザ染色が不鮮明または色褪せているなど、代表的ではない標本のため除外されました。
研究計画
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
骨髄転移を伴う神経芽腫グループ
骨髄転移を伴う神経芽腫の診断には、骨髄生検、吸引塗抹標本による骨髄細胞診、フローサイトメトリー、陽電子放出断層撮影コンピューター断層撮影（PET-CT）などの医療行為が行われます。
骨髄生検または塗抹標本分析により、特徴的な NB 細胞が明らかになる場合があります。
フローサイトメトリーでは、分化抗原クラスター 45(CD45)-/分化抗原クラスター 56(CD56)+/分化抗原クラスター 81(CD81)+/GD2 ガングリオシド (GD2)+ の表現型を持つ NB 細胞を検出できます。
PET/CT イメージングにより、代謝活動および転移関与の空間分布の観点から転移性 NB 細胞が明らかになります。
これらの方法のいずれかで陽性結果が得られれば、骨髄転移を伴う NB と診断するのに十分です。
|
この研究では、NB の検出と予後のための骨髄細胞学に基づく AI モデルを構築し、評価します。
|
|
骨髄転移を伴わない神経芽腫グループ
登録参加者の骨髄転移の診断では、骨髄生検、塗抹標本の骨髄細胞診、フローサイトメトリーまたは PET/CT のいずれかの検査で陽性結果が得られない場合、参加者は神経芽腫に分類されます。骨髄転移グループなし。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
骨髄転移を伴う神経芽腫
時間枠：神経芽腫の最初の診断から化学療法または放射線療法の開始までの期間、最長3か月。
|
骨髄転移の診断における医療行為には、骨髄生検、吸引塗抹標本による骨髄細胞診、フローサイトメトリーおよび PET/CT が含まれます。
骨髄生検または塗抹標本分析により、特徴的な NB 細胞が明らかになる場合があります。
フローサイトメトリーは、CD45-/CD56+/CD81+/GD2+ の表現型を持つ NB 細胞を検出する可能性があります。 PET/CT イメージングにより、代謝活動および転移関与の空間分布の観点から転移性 NB 細胞が明らかになります。
これらの方法のいずれかで陽性結果が得られれば、骨髄転移を伴う NB と診断するのに十分です。
|
神経芽腫の最初の診断から化学療法または放射線療法の開始までの期間、最長3か月。
|
|
骨転移を伴う神経芽腫
時間枠：神経芽腫の最初の診断から化学療法または放射線療法の開始までの期間、最長3か月。
|
CT、PET/CT、MRIなどの放射線検査で骨破壊や骨皮質の不連続性が認められた場合、NBは骨転移と診断されました。
|
神経芽腫の最初の診断から化学療法または放射線療法の開始までの期間、最長3か月。
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
全体の生存時間
時間枠：学習完了まで、最長 60 か月。
|
全生存期間（OS）は、神経芽腫の診断から何らかの原因で死亡するまでの時間として定義されました。
|
学習完了まで、最長 60 か月。
|
協力者と研究者
捜査官
- 主任研究者：juan ma, Doctor、Xin Hua Hospital, Shanghai Jiao Tong University School of Medicine
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- XH-24-008
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
IPD 共有時間枠
IPD 共有アクセス基準
IPD のアクセス プラン:
アクセスできる人:
関連分野の研究に興味のある研究者、学術機関、その他の科学者。
アクセスできるもの:
臨床転帰、臨床検査結果、人口統計情報、および研究に関連するその他のサポート情報。
アクセス方法:
研究目的の概要を記載したアクセス要求フォームを提出する必要があります。 すべてのリクエストは研究の主任研究者によって検討され、研究倫理とデータ使用ポリシーに基づいてアクセスが許可されるかどうかが決定されます。 データは、プライバシーとセキュリティを確保するために、安全なオンライン プラットフォームを通じて提供されます。
IPD 共有サポート情報タイプ
- STUDY_PROTOCOL
- SAP
- ICF
- ANALYTIC_CODE
- CSR
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
米国で製造され、米国から輸出された製品。
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。