- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT04893200
Op radiomics gebaseerd voorspellingsmodel van tumorverspreiding door luchtruimte in longadenocarcinoom
Kan radiomics de verspreiding van tumoren door de lucht in longadenocarcinoom voorspellen in alle computertomografie-instellingen?
Spread through air space (STAS) is gemeld als een negatieve prognostische factor bij patiënten met longkanker die een sublobaire resectie hebben ondergaan. De preoperatieve beoordeling ervan zou dus nuttig kunnen zijn om de chirurgische behandeling aan te passen. Radiomics is onlangs voorgesteld om STAS te voorspellen bij patiënten met longadenocarcinoom. Alle onderzoeken hebben echter zowel beeldvorming als patiënten strikt geselecteerd, wat heeft geleid tot resultaten die nauwelijks toepasbaar zijn in de dagelijkse klinische praktijk. Het doel van deze studie is om een op radiomics gebaseerd voorspellingsmodel van STAS te testen in een op de praktijk gebaseerde dataset en de validiteit en het vertaalpotentieel ervan te verifiëren.
Radiologische en klinische gegevens van 100 opeenvolgende patiënten met gereseceerd longadenocarcinoom werden retrospectief verzameld voor het trainingsgedeelte. Zoals gebruikelijk in de klinische praktijk, werden preoperatieve CT-beelden onafhankelijk verkregen door verschillende artsen en uit verschillende ziekenhuizen. Daarom vertoont onze dataset een grote variatie in model en fabricage van scanner, acquisitie- en reconstructieprotocol, endoveneuze contrastfase en pixelgrootte. Om het effect van normalisatie in sterk variërende gegevens te testen, werden preoperatieve CT-beelden en het betreffende tumorgebied voorbewerkt met vier verschillende pijpleidingen. Functies werden geëxtraheerd met behulp van pyradiomics en geselecteerd rekening houdend met zowel het scheidingsvermogen als de robuustheid binnen pijpleidingen. Daarna werd een op radiomics gebaseerd voorspellingsmodel van STAS gemaakt met behulp van de meest significante bijbehorende functies. Dit model werd vervolgens gevalideerd in een groep van 50 patiënten die prospectief waren ingeschreven als externe validatiegroep om de werkzaamheid ervan in STAS-voorspelling te testen.
Studie Overzicht
Toestand
Conditie
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
-
Roma, Italië, 00139
- Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Patiënten met verdenking op of cito-histologisch bewezen longadenocarcinoom die een longkankeroperatie ondergaan;
- Beschikbare preoperatieve CT-beelden
- Leeftijd ouder dan 18 jaar
Uitsluitingscriteria:
- Borstwand infiltratie
- Inductieradio of chemotherapie
- Onvolledige chirurgische resectie
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
---|
Longadenocarcinoom
Beeldvorming van patiënten met chirurgisch behandeld longadenocarcinoom werd verzameld en verwerkt voor de constructie van het op radiomics gebaseerde voorspellingsmodel
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
---|---|---|
Gevoeligheid
Tijdsspanne: 24 uur voor operatie
|
Testen van de gevoeligheid van Radiomics om STAS te voorspellen met behulp van de oppervlakte onder de karakteristieke curve van de ontvanger
|
24 uur voor operatie
|
Specificiteit
Tijdsspanne: 24 uur voor operatie
|
Testen van de specificiteit van Radiomics om STAS te voorspellen met behulp van de oppervlakte onder de karakteristieke curve van de ontvanger
|
24 uur voor operatie
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Marco Anile, MD, La Sapienza Università di Roma
Publicaties en nuttige links
Algemene publicaties
- Jiang C, Luo Y, Yuan J, You S, Chen Z, Wu M, Wang G, Gong J. CT-based radiomics and machine learning to predict spread through air space in lung adenocarcinoma. Eur Radiol. 2020 Jul;30(7):4050-4057. doi: 10.1007/s00330-020-06694-z. Epub 2020 Feb 28.
- Chen D, She Y, Wang T, Xie H, Li J, Jiang G, Chen Y, Zhang L, Xie D, Chen C. Radiomics-based prediction for tumour spread through air spaces in stage I lung adenocarcinoma using machine learning. Eur J Cardiothorac Surg. 2020 Jul 1;58(1):51-58. doi: 10.1093/ejcts/ezaa011.
- Zhuo Y, Feng M, Yang S, Zhou L, Ge D, Lu S, Liu L, Shan F, Zhang Z. Radiomics nomograms of tumors and peritumoral regions for the preoperative prediction of spread through air spaces in lung adenocarcinoma. Transl Oncol. 2020 Oct;13(10):100820. doi: 10.1016/j.tranon.2020.100820. Epub 2020 Jul 1.
- Bassi M, Russomando A, Vannucci J, Ciardiello A, Dolciami M, Ricci P, Pernazza A, D'Amati G, Mancini Terracciano C, Faccini R, Mantovani S, Venuta F, Voena C, Anile M. Role of radiomics in predicting lung cancer spread through air spaces in a heterogeneous dataset. Transl Lung Cancer Res. 2022 Apr;11(4):560-571. doi: 10.21037/tlcr-21-895.
Studie record data
Bestudeer belangrijke data
Studie start (WERKELIJK)
Primaire voltooiing (WERKELIJK)
Studie voltooiing (WERKELIJK)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (WERKELIJK)
Updates van studierecords
Laatste update geplaatst (WERKELIJK)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- RADIOMICS
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .