Detectie van colorectale kanker bij patiënten met een positieve fecale immunochemische test met behulp van een elektronisch neusapparaat (AeoNoseTM)

Bestudeer grondgedachte:

Colonoscopie speelt een sleutelrol in alle screeningmodaliteiten voor colorectale kanker (CRC). Een belangrijke beperking van colonoscopie blijft dat de diagnostische accuratesse en therapeutische veiligheid van colonoscopie beide afhangen van verschillende arts- en patiëntgerelateerde factoren. Aanzienlijke hoeveelheden poliepen worden gemist tijdens colonoscopie en ernstige ongewenste effecten treden nog steeds op bij 0,1% -0,3% van alle colonoscopieprocedures, zelfs bij deskundige onderzoekers. Bovendien hebben de belastende aard van de procedure en de noodzaak van volledige darmvoorbereiding een negatieve invloed op de participatiegraad en wordt het gebruik van coloscopie als screeningstest op darmkanker beperkt door de zorgkosten en de expertise die nodig is om de screening uit te voeren. Deze nadelen van colonoscopie rechtvaardigen de ontwikkeling van een nieuwe, niet-invasieve, nauwkeurige CRC-screeningstest.

Een elektronisch neusapparaat is een kunstmatig reuksysteem dat vluchtige organische verbindingen (VOC's) in uitgeademde lucht analyseert. Het gebruik van elektronische neuzen is al beoordeeld als een potentiële niet-invasieve diagnostische biomarkertest voor longkanker, borstkanker en kwaadaardige melanomen. De huidige studie heeft tot doel de diagnostische nauwkeurigheid van uitgeademde ademanalyse met de AeonoseTM (The eNose Company, Zutphen, Nederland) te onderzoeken om de adem te onderscheiden van patiënten verdacht voor CRC (gebaseerd op een positieve fecale immunochemische test (FIT)), die echt gediagnosticeerd met CRC, van patiënten verdacht voor CRC bij wie deze diagnose na colonoscopie wordt afgewezen.

Doelstellingen:

• Om de diagnostische nauwkeurigheid van uitgeademde ademanalyse met de Aeonose™ te onderzoeken om de adem te onderscheiden van patiënten die verdacht worden van CRC op basis van een positieve FIT-test, bij wie daadwerkelijk de diagnose CRC is gesteld, van patiënten die verdacht worden van CRC bij wie deze diagnose na colonoscopie wordt verworpen.
• Om de diagnostische nauwkeurigheid van uitgeademde ademanalyse met de AeonoseTM te onderzoeken voor andere (pre-)maligne colonlaesies (bijv. gevorderde adenomen, niet-gevorderde adenomen en sessiele gekartelde laesies).
• Om de acceptatiegraad van het gebruik van het AeonoseTM-apparaat te beoordelen.

Studie opzet: De huidige multicenter studie zal 1950 FIT-positieve patiënten omvatten. Het onderzoek wordt uitgevoerd in zeven ziekenhuizen in Nederland. Eerst zal een database met ademafdrukken worden ontwikkeld om CRC te detecteren. In deze studiefase zal de AeonoseTM worden getraind en zal de database met ademafdrukken worden geverifieerd met behulp van "10% weglaten" kruisvalidatie. Na de kalibratiefase zal de diagnostische nauwkeurigheid van AeonoseTM worden beoordeeld bij nieuwe studiepatiënten (externe validatie).

Studiepopulatie: Patiënten tussen de 55 en 75 jaar oud met een positieve FIT-test verwezen voor een coloscopie.

Belangrijkste onderzoeksparameters/eindpunten:

• Het vermogen van AeonoseTM om onderscheid te maken tussen patiënten met en zonder CRC in een FIT-positieve populatie in termen van gevoeligheid en specificiteit.
• De diagnostische nauwkeurigheid van AeonoseTM voor andere (pre-)maligne colonlaesies.
• Acceptatiegraad van AeonoseTM

Statistische analyse:

Gegevens over demografische en basiskenmerken zullen worden samengevat voor continue variabelen, in het geval van normale verdeling door gemiddelde en standaarddeviatie, en in geval van niet-normale verdeling door mediaan en interkwartielbereik. Voor discrete variabelen (bijv. ras en geslacht) worden de gegevens samengevat in proporties (percentages). Verschillen in basiskarakteristieken zullen worden bepaald met behulp van de Independent Sample T-toets, de Fisher's Exact-toets of de Chi-kwadraattoets, indien van toepassing. Een 2-zijdige p-waarde <0,05 wordt als statistisch significant beschouwd.

De gegevens zullen worden geanalyseerd door een kunstmatig neuraal netwerk (ANN) om gegevensclassificaties te identificeren om verschillen tussen de patronen bij patiënten te extraheren door de aanwezigheid of afwezigheid van CRC in biopsieën. Door een groep ademafdrukken van patiënten met en zonder CRC te analyseren, kunnen individuele verschillen in voeding, medicatie, co-morbiditeit en andere factoren worden uitgefilterd om kenmerken te identificeren die de samenstellingen van patiënten met CRC onderscheiden. Dit proces gaat door totdat een geselecteerd niveau van discriminatie is bereikt. Datacompressie en ANN zijn geïntegreerd in een eigen softwarepakket (Aethena) van de eNose Company (Zutphen, Nederland).

De binaire resultaten worden gepresenteerd in een scatterplot en een receiver operating Characteristics curve (ROC-curve). Matthews-correlatiecoëfficiënten zullen worden berekend om de kwaliteit van binaire classificaties te meten. Kruisvalidatie van de gegevens zal worden uitgevoerd met behulp van een leave-10%-out-methode. Een deel van de data wordt weggelaten om het meest optimale model te voorspellen.