- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT04893200
Radiomiksbasert prediksjonsmodell av svulstspredning gjennom luftrommet i lungeadenokarsinom
Kan radiomikser forutsi svulstspredning gjennom luftrommet i lungeadenokarsinom i alle computertomografiinnstillinger?
Spredning gjennom luftrommet (STAS) er rapportert som en negativ prognostisk faktor hos pasienter med lungekreft som har gjennomgått sublobar reseksjon. Den preoperative vurderingen kan derfor være nyttig for å tilpasse kirurgisk behandling. Radiomik har nylig blitt foreslått for å forutsi STAS hos pasienter med lungeadenokarsinom. Imidlertid har alle studiene strengt valgt både bildediagnostikk og pasienter, noe som har ført til resultater som knapt kan brukes i daglig klinisk praksis. Målet med denne studien er å teste en radiomiksbasert prediksjonsmodell av STAS i praksisbasert datasett og verifisere dens gyldighet og translasjonspotensiale.
Radiologiske og kliniske data fra 100 påfølgende pasienter med reseksjonert lungeadenokarsinom ble retrospektivt samlet inn for treningsseksjonen. Som i vanlig klinisk praksis ble preoperative CT-bilder tatt uavhengig av forskjellige leger og fra forskjellige sykehus. Derfor presenterer vårt datasett høy variasjon i modell og produksjon av skanner, innsamlings- og rekonstruksjonsprotokoll, endovenøs kontrastfase og pikselstørrelse. For å teste effekten av normalisering i svært varierende data, ble preoperative CT-bilder og tumorregion av interesse forhåndsbehandlet med fire forskjellige rørledninger. Egenskaper ble ekstrahert ved bruk av pyradiomik og valgt med tanke på både separasjonskraft og robusthet i rørledninger. Etter det ble en radiomiksbasert prediksjonsmodell av STAS laget ved å bruke de mest betydningsfulle tilknyttede funksjonene. Denne modellen ble deretter validert i en gruppe på 50 pasienter som prospektivt ble registrert som ekstern valideringsgruppe for å teste dens effektivitet i STAS-prediksjon.
Studieoversikt
Status
Forhold
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Roma, Italia, 00139
- Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter med mistenkt eller cito-histologisk bevist lungeadenokarsinom som gjennomgår lungekreftkirurgi;
- Tilgjengelige preoperative CT-bilder
- Alder eldre enn 18 år
Ekskluderingskriterier:
- Brystvegginfiltrasjon
- Induksjonsradio eller kjemoterapi
- Ufullstendig kirurgisk reseksjon
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Lungeadenokarsinom
Avbildning fra pasienter med kirurgisk behandlet lungeadenokarsinom ble samlet inn og behandlet for konstruksjon av den radiomiksbaserte prediksjonsmodellen
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhet
Tidsramme: 24 timer før operasjon
|
Tester følsomheten til Radiomics for å forutsi STAS ved å bruke området under mottakerens driftskarakteristikk
|
24 timer før operasjon
|
|
Spesifisitet
Tidsramme: 24 timer før operasjon
|
Tester spesifisiteten til Radiomics for å forutsi STAS ved å bruke området under mottakerens driftskarakteristikk
|
24 timer før operasjon
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Hovedetterforsker: Marco Anile, MD, La Sapienza Università di Roma
Publikasjoner og nyttige lenker
Generelle publikasjoner
- 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.
Studierekorddatoer
Studer hoveddatoer
Studiestart (FAKTISKE)
Primær fullføring (FAKTISKE)
Studiet fullført (FAKTISKE)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (FAKTISKE)
Oppdateringer av studieposter
Sist oppdatering lagt ut (FAKTISKE)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- RADIOMICS
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .