Longkanker Multi-omics digitale menselijke avatars voor het integreren van precisiegeneeskunde in de klinische praktijk (LANTERN)

Patiëntregistratie en omics-gegevensverzameling Het doel van dit WP is het verzamelen van informatie uit alle klinische en op omics gebaseerde gegevensbronnen die als klinisch significant worden beschouwd voor ondersteuning van beslissingen in de uitgebreide diagnose- en therapieworkflow van longkanker. Er zal een gestructureerd terminologisch systeem worden ontwikkeld voor prospectieve gegevensverzameling door middel van specifieke Case Report Forms (CRF's).

Patiënten zullen worden ingeschreven door de speciale onderzoeksinschrijvingscentra en de gegevens die zijn verkregen uit de vijf op omics gebaseerde variabelen, zullen worden verzameld en vastgelegd in een beveiligde database.

Omics-gegevensarchivering en interactiemogelijkheden Het belangrijkste doel van deze WP is volledige gegevensintegratie mogelijk te maken in zowel bestaande als nieuwe archiveringssystemen en om een ​​eenvoudig en effectief gebruik en delen van verzamelde omics-gegevens te waarborgen.

Alle verzamelde gegevens die de verschillende beschouwde omics-domeinen vertegenwoordigen, zullen worden vastgelegd volgens een gedeelde gemeenschappelijke ontologie. De gedeelde algemene ontologie zal een gestructureerd terminologisch systeem vertegenwoordigen voor data-archivering en -analyse waarbij alle verschillende omics-domeinen zullen worden vastgelegd in een specifiek eCRF, wat zorgt voor coherentie voor alle verzamelde datavariabelen. Ten slotte ondergaan de verzamelde omics-gerelateerde gegevens radiomische analyse en worden radiomische kenmerken geëxtraheerd.

Omics-gegevensmodellering, creatie en validatie van digitale menselijke avatars (DHA).

Dit WP is gericht op het ontwikkelen van nauwkeurige voorspellende modellen (door het creëren van Digital Human Avatars (DHA)) en op hun validatie. Het doel van dit WP is om effectieve primaire biomarkers te identificeren, deze te harmoniseren door middel van compacte statistische modellen en vervolgens patiëntspecifieke DHA's te creëren die uniek zijn voor elke patiënt. We zijn van plan om alle bovengenoemde omics-gegevens te integreren in voorspellende modellen die de basis zullen vormen voor een volledig gepersonaliseerd en innovatief geïntegreerd beslissingsondersteunend systeem voor longkanker. Dit WP is opgedeeld in drie fasen:

Fase 1: Identificatie en selectie van Omics-kenmerken Fase 2: Ontwikkeling van voorspellende modellen en creatie van DHA Fase 3: Voorspellende modellen en validatie van DHA

Omics beschikt over identificatie en selectie:

In de eerste stap zal een verkennende analyse van alle verzamelde datasets van een schatting van ≈ 240 NSCLC-patiënten de start van het biomarkeridentificatieproces mogelijk maken en de gegoten hoeveelheid informatie beperken tot een meer geselecteerde pool van potentiële biomarkers. In deze eerste fase zullen robuuste data-analysetechnieken worden gebruikt om relevante variabelen in een univariate setting te identificeren, waarbij rekening wordt gehouden met individuele statistische verdelingen, kenmerkrelevante correlaties en algemene beschrijvende statistieken.

Voorspellende modelontwikkeling en DHA-creatie:

Het doel van de tweede fase is om meerdere afzonderlijke maar modulaire multivariate modellen te creëren die zullen worden getraind door middel van geavanceerde ML- en AI-technieken, gesegmenteerd in specifieke modulaire interessegebieden en de daaropvolgende creatie van de DHA. Er zullen verschillende gesuperviseerde modellen worden ontwikkeld, waaronder logistische regressie, beslissingsboom, ondersteunende vectormachine, willekeurig bos, XGBoost-classificatie en kunstmatige neurale netwerken. De k-voudige kruisvalidatie zal worden gebruikt voor het afstemmen van hyperparameters en er zal een statistische significantievergelijking van de prestaties van de ML-modellen worden uitgevoerd. Dit zal worden gedaan om voorspellende prestaties te evalueren op basis van nauwkeurigheid (aantal proefpersonen correct geclassificeerd op het totale aantal patiënten) en precisie (echt positief op totale testpositief, recall (gevoeligheid), F1-score (2*precision*recall/(precision +oproepen)) en AUC-ROC.

De DHA-creatie omvat de integratie van specifieke algoritmen in de data-extractiepijplijn om de gegevensstroom op te schonen en te herstructureren, terwijl tekstmining en natuurlijke taalverwerkingstechnologieën worden toegepast op de ongestructureerde teksten. De resultaten van deze voorbewerking worden vervolgens opnieuw gecodeerd via een specifiek toegewezen ontologie om duplicaten te onthullen. Dit leidt tot het ontstaan ​​van data Marts die continu en automatisch worden bijgewerkt met nieuwe data. Op basis van de beschikbare gegevens die al zijn verwerkt, zullen het ontwikkelde algoritme en de onderliggende infrastructuur worden gebruikt om nieuw bijgewerkte patiëntgegevensinvoer te classificeren door de clinici die de interface gebruiken. De resulterende gegevens die via de dynamische interface worden gepresenteerd, maken een grondige verkenning van eerder toegevoegde patiëntgegevens die al in de database aanwezig zijn, mogelijk om de beste handelwijze af te leiden op basis van historische gegevens en de ervaring van de clinicus. Dit zal leiden tot een meer algemene verkenningsworkflow die zal fungeren als een hypothesegenerator voor de gebruiker, door informatie te clusteren op basis van aangepaste criteria, waardoor een verkennende analyse van de beschikbare gegevens wordt gegenereerd.

De onderzoekers schatten dat ongeveer 300 NSCLC-gevallen met volledige gegevens voldoende zullen zijn om dit proces te starten. Zowel gebruiksvriendelijkheid als uitlegbaarheid van het model zullen dienen als de primaire standaard van de strategieën voor modelontwikkeling. Gemakkelijk interpreteerbare waarden zoals SHAP-waarden (SHapley Additive exPlanations) zullen aan elk model worden gekoppeld om black-box-benaderingen te vermijden die het moeilijk maken om modeluitkomsten uit te leggen aan de patiënten tijdens hun interacties met de clinici.

Voorspellend model en DHA-validatie: Zowel het ontwikkelde model als de uitgebreide DHA zullen worden gevalideerd om hun robuustheid, overdraagbaarheid en generaliseerbaarheid te testen. Er zullen twee opeenvolgende validatiestrategieën worden gebruikt: de interne en externe validatietechnieken. We schatten een totaal aantal van ongeveer 420 NSCLC-gevallen om het validatieproces te starten. Dit proces omvat zowel interne als externe validatie.