Distribuert læring av Edic og hjertedoseeffekter ved lungekreft (DECIDE)

Hjertedose var ikke en stor bekymring hos pasienter med lungestrålebehandling før resultatene av RTOG (Radiation Therapy Oncology Group) 0617-studien, som viste en sammenheng mellom hjertedose og overlevelse. Siden den gang har mange artikler studert sammenhengen mellom hjertedose (understruktur) og enten overlevelse eller hjertetoksisitet. Ideelt sett ville hjertetoksisitet være atskilt fra overlevelse. Imidlertid var det ikke standard praksis å skåre hjertetoksisitet prospektivt, og retrospektiv skåring er utfordrende på grunn av overlappingen av symptomer på hjertetoksisitet og lungekreft (behandlingssymptomer). Derfor blir hjertetoksisitet vanligvis ikke skåret riktig i kohorter i den virkelige verden, og de fleste større studier vurderer pragmatisk total overlevelse som primært endepunkt, og forholdet mellom hjertedose og hjertetoksisitet er ikke godt etablert for lungekreftpasienter.

Hjertetoksisitet er kanskje ikke den eneste faktoren i redusert overlevelse; toksisitet av immunsystemet kan være en konkurrerende risiko eller en viktig medvirkende faktor, der dose til hjertet er et surrogat for dose til blod. Dose til immunsystemet er definert som EDIC (Effective Dose to circulating Immune Cells), som omfatter hjertedose, lungedose og kroppsdose kombinert. Ettersom EDIC-dose og hjertedose delvis overlapper hverandre, vil en stor kohort med betydelig variasjon være nødvendig for å skille de to effektene fra hverandre. Slike store mengder rutinebehandlingsdata er umiddelbart tilgjengelige i mange stråleterapisentre over hele verden. Problemet vi står overfor er ikke mangelen på rutinemessige omsorgsdata, men å gjøre slike data tilgjengelige for analyse. DECIDE tar i bruk en føderert læringstilnærming, som innebærer at data ikke må sentraliseres innenfor en enkelt institusjon for å være egnet for bruk. Vi har som mål å inkludere en enestående storskala kohort på 20 000 pasienter.

I dette forslaget må vi legge til vitenskapelige og teknologiske innovasjoner som utnytter det eksisterende fødererte læringsrammeverket for å skalere opp til å støtte >25 samtidig tilkoblede partnere. Vi vil trene opp (generaliserte) lineære epidemiologiske modeller samt nye datasynsbaserte modeller for utfallsprediksjoner. Siden årsaksspesifikk overlevelse (hjertetoksisitet eller immuntoksisitet) er utilgjengelig eller upålitelig i store studier, vil vi bruke det mer pragmatiske endepunktet for overlevelse. Ved å belyse de kliniske bidragene av helhjertedose, hjertesubstrukturdose og EDIC-dose i kombinasjon med kjente kliniske risikofaktorer, er den ønskede effekten å endre klinisk praksis for lungekreftstrålebehandling og forbedre overlevelsen.