CRC에서 신경 대사 네트워크의 예후 가치 (PVNM-CRC) (PVNM-CRC)

목차 1.0 시험 요약 2.0 시험 설계 2.1 시험 설계 2.1 시험 다이어그램 3.0 목표 및 가설 (ES) 3.1 1 차 목표 및 가설 (ES) 3.2 2 차 목표 (S) 및 가설 (ES) 4.1 배경 4.2 배경 4.2.1 시험 4.2. 엔드 포인트에 대한 이론적 근거 5.0 방법론 5.1 진입 기준 5.1.1 시험에 진입하기위한 진단/조건 5.1.2 주제 포함 기준 5.1.3 주제 제외 기준 5.1.4 피험자 철수/중단 기준 5.2 인구 통계 및 기준 특성 수집 5.3 이미징 데이터 수집 및 프로세스 5.3.1 PET/CT 이미징 수집 및 익명화 5.3.2 PET/CT 이미징 품질 관리 5.3.3 PET/CT 영상 주석 6.0 시험 절차 7.0 통계 분석 7.1 통계 분석 계획 요약 7.2 가설/추정 7.3 분석 집단 7.4 연구 엔드 포인트에 대한 통계적 방법 7.5 기준 특성 및 인구 통계에 대한 통계적 방법 7.6 표본 크기 및 전력 공유 계획 8.1 데이터 공유 계획 8.2 데이터 공유 9. 후원자 및 공동 작업자 9.2 책임 당사자/수사관 9.3 자금 조달 역할 9.4 윤리위원회

1.0 시험 요약 간단한 제목 : CRC (PVNM-CRC) 공식 제목 : 대장 CANCE 시험 유형에서 신경 대사 네트워크의 예후 가치에 대한 관찰 연구 : 관찰 시간 관점 : 예비 의학적 맥락 : 대장 암에 걸린 환자 : POT/IMSUSINATION 및 그 이미지의 상상할 수 있습니다. 임상 데이터는 각각 수집되고 분석됩니다. 예후를 평가하기 위해 예측 모델에 데이터가 적용됩니다. 연구 그룹 : 환자는 하나의 그룹으로 모집되며, 이전에 조사관이 구성한 필수 이미지를 기반으로 각각 4 개의 별개의 예측 변수에 의해 반응 예측을 받게됩니다.

표본 크기 : 약 213 명의 환자가 등록됩니다. 추정 기간 : 첫 번째 대상이 마지막 주제까지 등록한 시점부터 약 12 ​​개월.

결과 측정 : 1 차 종점 : 곡선 아래의 영역 (AUC) 2 차 엔드 포인트 : 감도, 특이성, 양의 예측 값 (PPV), 음의 예측 값 (NPV)

2.0 시험 설계 2.1 시험 설계 이것은 결장 직장암 (CRC)에 대한 예후 예측을위한 인공 지능 (AI) 기반 예측 모델의 전향 적 관찰 임상 연구입니다. 구체적으로, 연구자들은 위장 암 평가 (Bridge)에서 질병에 대한 뇌-건 위험 지수의 예측 정확도를 검증하고 임상 데이터에 기초하여 다른 기존 예측 모델보다 성능이 우수한 지 여부를 확인하기위한 것입니다.

약 213 명의 환자가 Zhengzhou University의 첫 번째 제휴 병원에서 전향 적 검증 데이터 세트에 전향 적으로 등록됩니다. 모든 환자는 전신 애완 동물/CT 영상 진단 및 병리학 적 생검을 수행합니다. PET/CT 서열의 자격을 갖춘 이미지는 수집 및 클라우드 플랫폼에 업로드되며, 그 내에서 ROIS (영역)는 전문 방사선 전문의 팀에 의해 주석이 달린다. 이미지 데이터는 개인을위한 예측 레이블을 생성하기 위해 별개의 예측 모델에 사용되며, 이는 참가자와 담당 의사에게 맹인입니다.

2.2 시험 다이어그램

3.0 목표 및 가설 (ES) 3.1 1 차 목표 및 가설 (ES)

(1) 목표 1 : CRC 환자의 전체 생존 (OS)을 예측할 때 교량의 곡선 (AUC)을 평가합니다.

가설 (H1) : 교량은 CRC 환자의 OS를 예측할 때 0.80 이상의 AUC를 달성합니다.

3.2 2 차 목표 및 가설 (ES)

1. 목표 2 : CRC 환자의 생존 상태를 예측할 때 교량의 AUC를 임상 예측 모델과 비교하십시오. 가설 (H2) : 교량은 CRC 환자의 OS를 예측할 때 AUC의 관점에서 임상 예측 모델보다 우수합니다.
2. 목표 5 : CRC 환자의 OS를 예측할 때 교량의 민감도를 평가합니다.
3. 목표 6 : CRC 환자의 OS를 예측할 때 교량의 특이성을 평가합니다.
4. 목표 7 : CRC 환자에 대한 OS 예측에서 교량의 긍정적 예측 값 (PPV)을 평가합니다.
5. 목표 8 : CRC 환자에 대한 OS 예측에서 교량의 부정적인 예측 값 (NPV)을 평가합니다.

4.0 배경 및 근거 4.1 전 세계적으로 발병률과 사망률이 증가함에 따라 배경 대장 암 (CRC)은 암 관련 사망의 두 번째 주요 원인이되었습니다 .1,2 위장관 (GI) 관은 면역, 신경 및 기타 세포 유형과의 정상 또는 신 생물 상피 세포와 장 내부의 미생물 및 대사 산물 사이의 광범위한 상호 작용을 가진 복잡한 생태계를 포함한다 .8 구체적으로, 총체적으로 뇌 구타 축으로 알려진 위장관과 중추 신경계 (CNS) 사이의 복잡한 관계는 위장 장애와 신 생물의 발병에 중추적 인 역할을한다 .9. 예를 들어, 만성 스트레스는 COX-2/PEG2 시스템을 활성화하여 결장암의 위험을 증가시키고 림프 혈관 구조를 리모델링하여 종양 세포 보급을 촉진했습니다 .10,11 뇌 구 축의 양방향 통신은 일반적으로 신경 전달 물질, 염증성 사이토 카인, 대사 산물 또는 장 미생물에 의해 매개되는 것으로 밝혀졌습니다 .12,13 그럼에도 불구하고, 스포트라이트는 실험 세포 또는 동물 모델에서 뇌-건조 크로스 토크 메커니즘에 주로 빛났으며, 환자 수준의 뇌 네트워크의 구조적 및 기능적 변화에 대한 관심이 적습니다.

기능적 신경 영상 양식 및 신경 과학 기술의 진화는 CNS 활동의 정확한 묘사를 가능하게했다. 구체적으로, 전신 영상 정보를 채택하기 위해 2- [18F] 플루오로 -2- 데 옥시 -D- 글루코스 ([18F] FDG)를 사용한 핵 의학 영상 기술은 국소 인간 뇌 대사 및 전신 장애와의 연관성을 조사하기위한 최적의 생체 내 방법이다 .14 우리는 이전에 심근 관류 영상과 뇌를 사용한 주요 부정맥 사건과 관련이있을 수있는 뉴런 대사성 불법 불일치 축을 이전에 확인했다 [18F] FDG 양전자 방출 단층 촬영 (PET) .15 뇌-건축의 잠재적 인 이중 상호 작용을 고려할 때, CRC 발달 및 진행과 관련된 특정 뇌 영역의 식별은 질병의 신경 생물 학적 토대를 더 잘 이해하고 표적 치료 전략의 발달을 알릴 수있다. 따라서이 연구는 신경-메트형 대사 및 CRC 종양 및 이의 중개자의 역할을 설명하는 것으로 구조화되었다. CRC의 신경 대사-구 축에 대해 탐구함으로써, 결과적인 기계적 통찰력은 진단 및 예후 바이오 마커를 식별하고 CRC 환자를위한 새로운 치료 중재를 개발하기 위해 활용 될 수있다.

4.2 이론적 근거 4.2.1 재판의 근거 이전에, 조사관은 후 향적 데이터 세트를 기반으로 다리를 건설했다. 이 연구는 CRC 환자를위한 OS를 예측할 때 교량의 임상 적용 가능성과 일반화 성을 더욱 전향 적으로 검증하기 위해 수행됩니다. 교량의 예측 성능은 전향 적 데이터 세트에서 평가 될 것이며, 시험에서 기존의 임상 기반 예측 모델과 비교할 것이며, 이는 인공 지능 보조 GI 암 의학에 대한 뇌 이미지의 통합의 타당성과 임상 적 가치에 대한 중요한 증거를 잠재적으로 제공 할 수 있습니다.

4.2.2 엔드 포인트에 대한 근거 연구에서 1 차 정확도 종점은 기계 학습 분야의 모델 성능을 평가하는 데 널리 사용 된 이진 분류기의 분류 성능의 중요한 지표 인 AUC입니다.

5.0 방법론 5.1 진입 기준 5.1.1 18 세 이상의 직장암이있는 남성/여성 대상체의 진단/조건은이 시험에 등록 될 것입니다.

5.1.2 주제 포함 기준

이 재판에 참여할 자격이 있으려면 주제는 다음과 같습니다.

1. 등록일에 18 세 이상입니다.
2. 전자 대장 내시경 검사 생검에 의해 병리학 적으로 직장 선암으로 확인되었습니다.
3. 향상된 PET/CT에 의해 결장 직장암 (CRC)으로 진단되었습니다.
4. PET/CT 시퀀스의 이미지를 사용할 수 있습니다.
5. 현지 윤리위원회가 인증하고 승인 한 임상 샘플 및 의료 데이터 수집 및 의료 데이터의 수집 및 적용에 대한 서면 정보를 제공 할 수 있습니다. 재판에 대한 사전 동의 요구 사항이 면제됩니다.

5.1.3 주제 제외 기준

주제는 주제에 대해 재판에 참여하는 데 제외되어야합니다.

1. 편평 세포 또는 미분화 된 직장 암종이 있습니다.
2. 다수의 1 차 직장 암종, 악성 병력이 있거나 처리 중이거나 적극적인 치료가 필요한 추가 악성 악성 종양이 있습니다. 예외에는 피부의 기저 세포 암종, 잠재적으로 치료 요법 또는 현장 자궁 경부암을 겪은 피부의 편평 세포 암종이 포함됩니다.
3. . PET/CT 이미지 부족 또는 측정 (즉, 모션 아티팩트)을 얻기 위해 PET/CT 이미지의 품질이 충분하지 않습니다.
4. 병리의 부족.
5. 28 일 이내에 주요 수술 또는 중대한 외상성 부상을 입었습니다.

6. 지난 2 년 동안 전신 치료가 필요한 활성자가 면역 질환 (즉, 질병 변형 제, 코르티코 스테로이드 또는 면역 억제 약물의 사용).

   대체 요법 (즉, 부신 또는 뇌하수체 기능 부전에 대한 티록신, 인슐린 또는 생리 학적 코르티코 스테로이드 대체 요법)은 전신 치료의 형태로 간주되지 않습니다.

7. 면역 결핍 진단을 받거나 치료 개시 전 7 일 이내에 만성 전신 스테로이드 요법 (프레드니손 등가의 매일 10mg을 초과하는 투약)을 받고 있습니다.
8. 전신 요법이 필요한 활발한 감염이 있습니다.

10. 시험 결과를 혼란스럽게하거나 시험 조사자의 견해로, 시험의 전체 기간에 대한 피험자의 참여를 방해 할 수있는 상태, 실험실 이상, 정신과 또는 약물 남용 장애에 대한 역사 또는 현재의 증거가 있습니다.

11. 임신 또는 모유 수유 또는 시험 기간 내에 자만하거나 아버지를 임신하거나 아버지를 기대하십시오.

12. 현재 추가 시험 및 학습 치료를 받고 있습니다.

5.1.4 피험자 철수/중단 기준

시험 중에 다음 사건 중 하나가 발생하면 대상은 재판에 참여하여 철회됩니다.

1. 대상은 시험 중에 연구를 중단/철회합니다. 5.2 기본 정보 수집 및 일련 번호 생성 등록 한 번 등록하면 각 과목의 인구 통계 및 기준선 임상 특성을 포함한 기본 정보가 기록됩니다. 시험의 모든 절차에 대한 대상을 식별하는 데 사용될 각 주제에 대해 고유 한 추적 번호가 무작위로 생성됩니다.

5.3 이미징 데이터 수집 및 프로세스 5.3.1 PET/CT 영상 수집 및 각 피험자에 대한 익명화, PET/CT에 의한 초기 종양 영상은 등록 후 1-2 주 이내에 수행되어야합니다. 이미징 수집 및 전송 과정은 참여 기관의 방사선 전문의 및 기술자에 의한 균일 한 이미징 프로토콜로 조작됩니다. PET/CT 스캔 시리즈는 지정된 클라우드 플랫폼에 업로드하기 전에 DICOM 파일로 내보내고 고유 한 추적 번호로 완전히 익명화되어야합니다.

5.3.2 PET/CT 이미징 사이트에서 획득 한 PET/CT 스캔의 품질 관리 이미지는 중앙 실험실에서 PET/CT에서 경험 한 독립적 인 방사선 전문의에 의해 다운로드 및 검토되어 분석을위한 높은 이미지 품질을 보장합니다. 필요한 시퀀스가 ​​부족한 경우는 먼저 배제됩니다. 명확성이 충분하지 않은 이미지, 저해도, 모션 아티팩트 또는 이미징 분석에 잠재적으로 영향을 줄 수있는 기타 방해 요인이 더 배제됩니다.

5.3.3 PET/CT 영상 주석 주석 PET/CT 이미징에서 5 년 이상의 경험을 가진 전문 방사선 전문의가 적절한 서열 내에서 관심있는 뇌 영역 (ROI)은 수동으로 주석을 달게됩니다. 통계적 파라 메트릭 매핑 (SPM)은 영상 세분화를위한 선호 도구입니다.

모든 뇌 이미지는 먼저 12- 파라미터 아핀 변환을 사용하여 몬트리올 신경계 연구소 (MNI) 공간으로 표준화 된 후 비선형 등록 및 2 × 2 × 2 mm3 복셀로 리샘플링되었습니다. 그런 다음 모든 정규화 된 이미지를 8mm3 전 15 분의 전체 폭스 최대 가우시안 커널을 사용하여 평활했습니다. 이어서, 매끄러운 이미지의 두개 내 조직을 MNI 공간에서 뇌 마스크 이미지를 사용하여 추출 하였다. 모든 두개 내 복셀의 표준화 된 흡수 값 (SUV)을 합산하여 뇌의 총 포도당 소비를 반영하는 데 사용 된 전체 브레인 SUV (Suvwhole-brain)를 수득 하였다. 자동화 된 해부학 적 라벨링 (AAL) 아틀라스를 사용하여 MNI 공간에서 90 개의 양자 영역 (ROI)이 선택되었다. 소뇌는 기준 영역 1으로 사용되었다. 특정 뇌 영역의 Suvmean은 소뇌의 수석으로 나뉘 었습니다. 따라서, ROI의 SUV 비율 (SUVR)을 계산 하였다. 세 번째 선임 전문 방사선 전문의는 분쟁 해결 및 주석 검토를 담당합니다.

6.0 시험 절차 시험 절차는 아래에 설명 된 바와 같이 흐름도에 요약되어있다. Time Course Line의 별표는 대상이 시험에 등록 될 수있는 가능한 시점을 나타냅니다. 절차는 그에 따라 수행됩니다.

7.0 통계 분석이 섹션에서는 시험의 통계 전략 및 절차를 간략하게 설명합니다. 시험이 시작된 후, 1 차 및/또는 주요 이차 가설 또는이 가설과 관련된 통계적 방법으로 변경되면, 프로토콜은 그에 따라 수정됩니다.

7.1 통계 분석 계획 요약 연구 설계 개요 대장 암 (CRC) 예측 과제를 예측할 때 예측 정확도 및 성능 우월성을 검증하기위한 전향 적, 관찰, 예후 시험. 모든 피험자들은 필요한 이미지 데이터 7.2 가설/추정 목표 및 가설이 3.0 절에 명시되어 있습니다. 7.3 분석 개체군 예측 자의 전향 적 평가를 받고 예후를 제공하는 모든 등록 된 피험자 가이 인구에 포함됩니다.

7.4 연구 엔드 포인트 통계 방법이 섹션에서는 1 차 및 보조 목표를 다루는 통계적 방법을 설명합니다.

곡선 (AUC) 하의 1 차 정확도 종점 영역은 무작위로 선택된 양성 예제가 무작위로 선택된 음의 예보다 높은 순위가 높을 확률로 정의됩니다. AUC가 높을수록 명확한 예측 변수의 더 나은 분류 성능을 나타냅니다. AUC는 다양한 예측 확률 임계 값에 기초하여 잘못된 양성 사례 (1- 특이성)의 비율에 대해 실제 양성 사례 (민감도)의 비율을 도장하는 수신기 작동 특성 (ROC)의 곡선 하에서 영역을 계산하여 평가됩니다. AUC의 95% 신뢰 구간 (95% CI)은 1000 샘플링 시간에 부트 스트랩 전략에 의해 생성됩니다.

2 차 정확도 엔드 포인트 민감도 감도는 실제 양성 사례 중 예측 된 양성 사례의 비율로, 실제 양수율이라고도합니다.

이 연구에서, 교량의 민감도는 총 '실제 생존'대상 중에서 '예측 된 생존'대상의 비율을 계산하여 평가됩니다. 감도의 95% 신뢰 구간 (95% CI)은 1000 샘플링 시간에 부트 스트랩 전략에 의해 생성됩니다.

특이성 특이성은 실제 음의 사례 중 예측 된 음성 사례의 비율로 정의되며, 실제 음의 속도라고도합니다.

이 연구에서, 교량의 특이성은 총 '실제 비 서민'대상 중에서 '예측되지 않은 비 배양'대상의 비율을 계산하여 평가됩니다. 특이성의 95% 신뢰 구간 (95% CI)은 1000 샘플링 시간에 부트 스트랩 전략에 의해 생성됩니다.

양의 예측 값 양성 예측 값 (PPV)은 총 예측 된 양성 사례 중 실제 양성 사례의 비율로 정의됩니다.

이 연구에서, 교량의 PPV는 총 '예측 된 생존'대상 중에서 '실제 생존'대상의 비율을 계산하여 평가됩니다. PPV의 95% 신뢰 구간 (95% CI)은 1000 샘플링 시간에 부트 스트랩 전략에 의해 생성됩니다.

음의 예측 값 음의 예측 값 (NPV)은 총 예측 된 음의 사례 중 실제 음의 사례의 비율로 정의됩니다.

이 연구에서, Bridge의 NPV는 총 '예측되지 않은 비 서민'대상 중 '실제 비 배양'대상의 비율을 계산하여 평가됩니다. NPV의 95% 신뢰 구간 (95% CI)은 1000 샘플링 시간에 부트 스트랩 전략에 의해 생성됩니다.

2 차 비교 엔드 포인트 Delong의 Test Delong의 테스트는 두 개 이상의 상관 관계가있는 ROC 곡선의 AUC를 비교하기위한 비모수 적 테스트입니다.

다리의 AUC는 Delong의 테스트에 의해 각각 다른 두 예측 변수의 AUC와 비교됩니다. 0.05 미만의 양면 p- 값은 유의 한 것으로 간주되었다.

Student 's T Test Student's T Test는 정상 분포와 동질성 분산을 따르는 두 데이터 세트의 평균 사이에 유의 한 차이가 있는지 판단하는 데 사용되는 추론 통계입니다.

교량의 평균 AUC는 각각 Student 's T 테스트에 의해 다른 세 예측 변수의 평균 AUC와 비교됩니다. 0.05 미만의 양면 p- 값은 유의 한 것으로 간주되었다.

7.5 기준 특성 및 인구 통계에 대한 통계적 방법 각각의 관련 기준 특성에 대한 뚜렷한 병리학 적 반응 (생존 대 비 서식)을 갖는 두 그룹의 비교 가능성은 표 및/또는 그래프의 사용에 의해 평가 될 것이다. 하위 그룹의 피험자의 수와 비율이 표시됩니다. 인구 통계 학적 변수 (예 : 연령 및 성별) 및 기준선 특성 (예 : 임상 단계)은 설명 통계 또는 범주 형 테이블로 요약됩니다. 학생의 T- 검정 또는 Wilcoxon 서명 순위 테스트는 연속 변수를 비교하기 위해 수행되는 반면, χ2 테스트 또는 Fisher의 범주 형 변수에 대한 정확한 테스트.

7.6 표본 크기 및 전력 계산 연구는 약 213 명의 피험자를 연속적으로 등록 할 것입니다. AUC (H1)의 경우,이 연구는 213 명의 피험자와 함께 Alpha = 0.05 (양측)에서 브리지에서 AUC 0.80을 검출하기 위해 ~ 85%의 전력을 가지고 있습니다.

표본 크기 및 전력 계산은 소프트웨어 패스 15. 8.0 기밀 및 데이터 공유 계획 8.1 시험에서 생성 된 데이터 데이터의 기밀성에서 발행물에 포함 된 정도를 제외하고 조사자가 기밀로 간주됩니다. 시험 중에 대상은 고유 한 추적 번호로 식별됩니다.

8.2 데이터 공유 계획 주제 데이터 (PET/CT 및 병리학 적 슬라이드의 비 식별 된 참가자 정보 및 원산지 이미지) 및 전체 연구 프로토콜은 과학 커뮤니티에서 즉시 출판 된 경우 가능한 한 적은 제한 사항으로 제공 될 것입니다. 모든 요청은 고려를 위해 조사관에게 제출해야합니다. 적절한 주제 데이터 및 기관 검토위원회 승인이 공개되기 전에 데이터 사용 계약이 필요합니다.

9.0 스폰서 및 공동 작업자 9.1 스폰서이 재판은 Zhengzhou University의 첫 번째 제휴 병원이 후원합니다.

9.2 책임있는 당사자/수사관

연구 프로토콜은 모든 저자가 완료하고 검토합니다. 교장 조사관은 연구 프로토콜을 담당합니다. 중앙 연락처 정보는 다음과 같습니다.

Yujie Bai 교수, MD 전화 : 0371-18801221165 이메일 : baiyujie1010@163.com 9.3 자금 조달의 역할 연구 자금 지원은 Grant No.81872188, No.81902867, No.82001986 및 No.81903152에 따라 중국 국립 자연 과학 재단 (National Natural Science Foundation)의 지원을받습니다. 자금 지원자는 연구 설계, 데이터 수집, 데이터 분석, 데이터 해석, 보고서 작성 또는 출판 보고서 제출 결정에 아무런 역할을하지 않습니다.

9.4 윤리 위원회이 연구는 Zhengzhou University의 첫 번째 계열 병원의 윤리위원회의 승인을 받았습니다.