VATSにおける肺機能予測のための3D仮想切除
術前三次元仮想切除が解剖学的切除後の術後肺機能を予測する:前向き縦断研究
この研究は、三次元(3-D)コンピュータ断層撮影(CT)再構築と仮想切除シミュレーションを用いた新規術前評価戦略を検証することを目的としています。 目標は、ビデオ補助胸腔鏡下手術(VATS)による解剖学的切除を受ける非小細胞肺がん(NSCLC)患者において、術後の肺機能を正確に予測することです。
術後の肺機能の正確な予測は、患者の安全性にとって極めて重要です。 セグメント計数などの従来法は、すべての肺セグメントが機能に均等に寄与すると仮定し、腫瘍や肺気腫による変動を無視するため、精度に欠けることが多いです。 この研究では、術前に「計画切除換気肺容積割合」(pRVLVF)を定量化するために、3-D「仮想切除」を利用します。
本研究では、60名の参加者を肺葉切除群(n=30)と区域切除群(n=30)の2群に分けて募集します。 参加者は術前に標準的な薄層CTスキャンと肺機能検査(PFT)を受けます。 術後は、3ヶ月、6ヶ月、12ヶ月後に肺機能と回復を追跡し、動的予測モデルを開発し、残存肺の代償能力を評価します。
調査の概要
詳細な説明
背景:肺がんは依然としてがんによる死亡の主要な原因です。早期非小細胞肺がん(NSCLC)に対しては、胸腔鏡下解剖学的切除術(葉切除または区域切除)が標準治療です。しかし、手術の安全性は患者の肺予備能に大きく依存します。従来の予測方法(セグメント計算法など)は、肺換気の地域的不均一性を考慮しないため、最大20〜30%の予測誤差を示しています。
研究デザイン:これは前向き、多施設、縦断的コホート研究です。本試験は、胸腔鏡下解剖学的切除術の適格患者60名を登録する予定です。患者は以下の2群に層別化されます:
- 胸腔鏡下区域切除群(n=30)
- 胸腔鏡下葉切除群(n=30)
方法:
1. 術前評価:手術前30日以内に、全ての参加者は高解像度薄層(1mm)胸部CTおよび標準的な肺機能検査(PFT)を受けます。
2. 3次元仮想切除:Synapse 3-Dソフトウェアを使用して、患者特異的な解剖学モデルを再構築します。研究者は「仮想切除」シミュレーションを実施し、計画切除領域をマークします。システムは、良好に換気された肺組織(CT値-950〜-700 HU)に基づいて定義される「計画切除換気肺容積分画(pRVLVF)」を算出します。
3. 手術手技:患者は臨床的に適応に応じた標準的な胸腔鏡下葉切除または区域切除を受けます。
4. 術後フォローアップ:術後3、6、12か月にPFTを実施します。構造的リモデリングを評価するため、術後6か月と12か月にフォローアップCTを撮影します。
目的と分析:
主要目的:pRVLVFベースの予測モデルの精度を検証すること。主要エンドポイントは、術後3か月時点の予測FEV1の平均絶対誤差(MAE)であり、目標精度はMAE<180mLです。
副次目的:
- 術後6か月および12か月における長期的な予測精度を評価すること。
- 線形混合効果(LME)モデルを用いて、年齢、BMI、喫煙歴を調整した残存肺の「代償係数(CC)」を定量化すること。
- 術後合併症が機能回復曲線に及ぼす影響を評価すること。
本研究は、胸部外科における手術リスク評価と意思決定のための、精密でアクセス可能かつ動的なツールの確立を目指しています。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前:Chih-Hsiang Chang, MD
- 電話番号:+886-0972653384
- メール:thenightdeity@gmail.com
研究場所
-
-
-
Taipei、台湾
- 募集
- National Taiwan University Cancer Center
-
-
参加基準
適格基準
就学可能な年齢
- 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
説明
選定基準:
- 国立台湾大学病院またはNTUがんセンターで胸腔鏡下肺葉切除術(VATS)または区域切除術が予定されている患者。
- 年齢が18歳から80歳までの患者。
- 3Dモデリングのために画像データを提供することに同意するインフォームド・コンセント書に署名した患者。
除外基準:
- 年齢が18歳未満または80歳を超える患者。
- 胸腔鏡下肺葉切除術(VATS)または区域切除術が予定されていない患者。
- 慢性閉塞性肺疾患(COPD)と診断されている患者。
- インフォームド・コンセント書に署名できない、または署名を拒否する患者。
- 脆弱な集団に属する患者。
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 |
|---|
|
VATS 区域切除群
非小細胞肺癌患者で、胸腔鏡補助下区域切除術を受ける予定の方。
|
|
VATS 肺葉切除群
ビデオ補助胸腔鏡下肺葉切除術を受ける予定の非小細胞肺癌患者。
|
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 |
|---|---|---|
|
予測術後FEV1の平均絶対誤差(MAE)
時間枠:手術後3ヶ月
|
術前3D仮想切除モデルの精度は、予測FEV1と実際に測定されたFEV1との間の平均絶対誤差(MAE)を計算することによって評価されます。
MAEが低いほど予測精度が高いことを示します。
本研究では、MAEが180 mL未満を目標としています。
|
手術後3ヶ月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
FEV1とFVCの長期的予測誤差
時間枠:術後6か月および12か月
|
6か月および12か月における予測モデルの精度の評価により、経時的な安定性を評価します。
|
術後6か月および12か月
|
協力者と研究者
出版物と役立つリンク
一般刊行物
- 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.
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
その他の研究ID番号
- 202510086RINC
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
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
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。