- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT07436598
3D-virtuele resectie voor het voorspellen van longfunctie bij VATS
Preoperatieve driedimensionale virtuele resectie voorspelt postoperatieve longfunctie na anatomische resectie : Een prospectieve longitudinale studie
Deze studie heeft als doel een nieuwe preoperatieve beoordelingsstrategie te valideren met behulp van driedimensionale (3-D) computertomografie (CT)-reconstructie en virtuele resectiesimulatie. Het doel is om nauwkeurig de postoperatieve longfunctie te voorspellen bij patiënten met niet-kleincellig longcarcinoom (NSCLC) die Video-Assisted Thoracoscopic Surgery (VATS) anatomische resectie ondergaan.
Nauwkeurige voorspelling van de postoperatieve longfunctie is cruciaal voor de veiligheid van de patiënt. Traditionele methoden, zoals segmenttelling, missen vaak precisie omdat ze ervan uitgaan dat alle longsegmenten evenveel bijdragen aan de functie, waarbij variaties veroorzaakt door tumoren of emfyseem worden genegeerd. Deze studie maakt gebruik van 3-D "virtuele resectie" om de "Geplande Resectie Geventileerd Longvolume Fractie" (pRVLVF) vóór de operatie te kwantificeren.
De studie zal 60 deelnemers rekruteren, verdeeld in twee groepen: degenen die een lobectomie ondergaan (n=30) en degenen die een segmentectomie ondergaan (n=30). Deelnemers ondergaan standaard dunne-slice CT-scans en longfunctietesten (PFT) vóór de operatie. Postoperatief worden longfunctie en herstel gevolgd na 3, 6 en 12 maanden om een dynamisch voorspellingsmodel te ontwikkelen en het compensatievermogen van de resterende long te evalueren.
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Achtergrond: Longkanker blijft een belangrijke oorzaak van kankersterfte. Voor vroeg-stadium NSCLC is VATS-anatomische resectie (lobectomie of segmentectomie) de standaardbehandeling. De veiligheid van de operatie is echter sterk afhankelijk van de pulmonale reserve van de patiënt. Traditionele voorspellingsmethoden, zoals de segment-telregel, hebben voorspellingsfouten tot 20-30% aangetoond omdat ze geen rekening houden met regionale heterogeniteit in longventilatie.
Studieopzet: Dit is een prospectieve, multidisciplinair, longitudinal cohortonderzoek. De studie beoogt 60 patiënten in te schrijven die in aanmerking komen voor VATS-anatomische resectie. Patiënten worden verdeeld in twee groepen:
- VATS Segmentectomie Groep (n=30)
- VATS Lobectomie Groep (n=30)
Methodologie:
1.Preoperatieve Beoordeling: Binnen 30 dagen voor de operatie ondergaan alle deelnemers een hoog-resolutie dunne-slice (1 mm) thorax CT en standaard Longfunctietesten (PFT).
2.3-D Virtuele Resectie: Met behulp van Synapse 3-D software wordt een patiëntspecifiek anatomisch model gereconstrueerd. De onderzoeker voert een "virtuele resectie" simulatie uit om het geplande resectiegebied te markeren. Het systeem berekent de Geplande Gereseceerde Geventileerde Longvolume Fractie (pRVLVF), gedefinieerd op basis van goed geventileerd longweefsel (CT attenuatie -950 tot -700 HU).
3.Chirurgische Procedure: Patiënten ondergaan standaard VATS lobectomie of segmentectomie zoals klinisch geïndiceerd.
4.Postoperatieve Follow-up: PFT's worden uitgevoerd op 3, 6 en 12 maanden na de operatie. Follow-up CT-scans worden uitgevoerd op 6 en 12 maanden om structurele remodellering te beoordelen.
Doelstellingen en Analyse:
Primaire Doelstelling: De nauwkeurigheid van het pRVLVF-gebaseerde voorspellingsmodel valideren. Het primaire eindpunt is de Gemiddelde Absolute Fout (MAE) van de voorspelde FEV1 op 3 maanden na de operatie, met een doelmatigheid van MAE < 180 mL.
Secundaire Doelstellingen:
- De langetermijnvoorspellingsnauwkeurigheid op 6 en 12 maanden beoordelen.
- De "Compensatiecoëfficiënt" (CC) van de resterende long kwantificeren met behulp van Lineaire Gemengde Effecten (LME) modellen, gecorrigeerd voor leeftijd, BMI en rookgeschiedenis.
- De impact van postoperatieve complicaties op het functioneel herstelcurve evalueren.
Deze studie beoogt een precies, toegankelijk en dynamisch hulpmiddel te vestigen voor chirurgische risicobeoordeling en besluitvorming in thoraxchirurgie.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Chih-Hsiang Chang, MD
- Telefoonnummer: +886-0972653384
- E-mail: thenightdeity@gmail.com
Studie Locaties
-
-
-
Taipei, Taiwan
- Werving
- National Taiwan University Cancer Center
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Patiënten die gepland staan voor video-assisted thoracoscopic (VATS) lobectomie of segmentectomie in het National Taiwan University Hospital of het NTU Cancer Center.
- Leeftijd tussen 18 en 80 jaar.
- Patiënten die de geïnformeerde toestemmingsverklaring hebben ondertekend, instemmend met het verstrekken van beeldvormingsgegevens voor 3D-modellering.
Exclusiecriteria:
- Leeftijd jonger dan 18 of ouder dan 80 jaar.
- Patiënten die niet gepland staan voor VATS lobectomie of segmentectomie.
- Patiënten bij wie Chronische Obstructieve Longziekte (COPD) is vastgesteld.
- Patiënten die niet in staat of niet bereid zijn de geïnformeerde toestemmingsverklaring te ondertekenen.
- Kwetsbare bevolkingsgroepen.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
VATS Segmentectomie Groep
Patiënten met niet-kleincellig longcarcinoom die gepland staan voor een video-geassisteerde thoracoscopische segmentectomie.
|
|
VATS Lobectomiegroep
Patiënten met niet-kleincellig longcarcinoom die gepland staan voor een video-geassisteerde thoracoscopische lobectomie.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Mean Absolute Error (MAE) van voorspelde postoperatieve FEV1
Tijdsspanne: 3 maanden na de operatie
|
De nauwkeurigheid van het preoperatieve 3D-virtuele resectiemodel wordt geëvalueerd door de Mean Absolute Error (MAE) te berekenen tussen de voorspelde FEV1 en de daadwerkelijk gemeten FEV1.
Een lagere MAE duidt op een hogere voorspellingsnauwkeurigheid.
De studie streeft naar een MAE van minder dan 180 mL.
|
3 maanden na de operatie
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Langetermijnvoorspellingsfout van FEV1 en FVC
Tijdsspanne: 6 maanden en 12 maanden na de operatie
|
Evaluatie van de nauwkeurigheid van het voorspellingsmodel na 6 en 12 maanden om de stabiliteit in de tijd te beoordelen.
|
6 maanden en 12 maanden na de operatie
|
Medewerkers en onderzoekers
Publicaties en nuttige links
Algemene publicaties
- 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.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
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
- 202510086RINC
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
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 .