Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Ekspertkonsensus og kunstig intelligens i medisinsk beslutningstaking hos pasienter med ondartede hjernesvulster (EC-AIM Brain)

14. oktober 2024 oppdatert av: Tufts Medical Center

En undersøkelsesbasert studie som vurderer muligheten for å bruke standardiserte kliniske vignetter for å hjelpe med medisinske avgjørelser hos pasienter med ondartede hjernesvulster

Nesten 23 000 voksne diagnostiseres med primær malignitet i sentralnervesystemet (CNS) årlig. Ytterligere 200 000 voksne er diagnostisert med hjernemetastaser. Det er betydelige variasjoner i CNS-tumorbehandling. På grunn av betydelig heterogenitet i pasientens grunnlinjefaktorer, er det imidlertid utfordrende å identifisere uberettiget variasjon. Ghogawala et al har tidligere vist at blant pasienter som gjennomgår kirurgisk behandling av cervical myelopati og lumbal degenerativ spinal sykdom, kan et ekspertpanel bestående av kirurgeksperter identifisere variasjoner i foreslått kirurgisk prosedyre og demonstrert overlegne pasientresultater når operasjonen som ble utført samsvarte med prosedyren anbefalt av ekspertkonsensus. Ekspertpanelundersøkelser har ikke tidligere vært brukt for å identifisere variasjoner i omsorg blant pasienter med CNS-malignitet.

Hovedmålet er å avgjøre om pasientresultatene er overlegne når behandlingen stemmer overens med anbefalingene gitt av et klinisk ekspertpanel for nevrokirurgi. Studien søker også å identifisere pasientfaktorer som disponerer for variasjon i omsorgen. Vårt langsiktige mål er å finne ut om prediktive kunstige læringsalgoritmer kan oppnå de samme resultatene, eller bedre, som kliniske ekspertpaneler, men med større effektivitet og større kapasitet til å være tilgjengelig for flere pasienter. Etterforskerne antar at:

  • Når et team på 10 medisinske eksperter har mer enn 80 % konsensus om optimal behandling og når legen og pasienten velger den spesifikke behandlingen, er resultatet bedre enn når en pasient og lege velger en alternativ prosedyre.
  • Når et team på 10 medisinske eksperter har mer enn 80 % konsensus angående optimal behandling, kan de strukturerte dataene som brukes av ekspertene behandles og trenes ved hjelp av dataalgoritmer for å forutsi mønsteret gjenkjent av ekspertene - dvs. - datamaskinen kan forutsi hvordan en ekspert panelet ville stemme.

Prosedyrene inkluderer følgende:

  1. Kartgjennomgangsdel av studien: Pasienter vil bli identifisert fra saksloggene til hovedetterforskerne fra juli 2017 til og med juli 2023. Data vil bli samlet inn retrospektivt og vil inkludere alder, ikke-identifikator demografi, diagnosedetaljer, operative/behandlingskarakteristikker, etterbehandlingskarakteristikker og oppfølgingskarakteristikker. Bilder som vurderes vil inkludere MR-er før og etter behandling tatt som en del av rutinemessig behandling. Data vil bli abstrahert fra journalen (Epic/Soarian og PACS) og registrert i en excel-database.
  2. Undersøkelsesdel av studien: Avidentifiserte strukturerte radiografiske data og en kort klinisk vignett uten pasientidentifikatorer vil bli lastet opp til Acesis Healthcare Process Optimization Platform (http://www.acesis.com/our-platform). En undersøkelse vil bli generert av Acesis og sendt på e-post til fagekspertene/deltakerne. Denne delen er prospektiv.
  3. Kohortdefinisjoner:

    1. Pasienter vil bli tildelt enten "ekspert-behandling konsensus" eller "ingen ekspert-behandling konsensus" armer basert på om mer enn 80% konsensus oppnås
    2. Pasienter vil bli tildelt enten "Ekspert konsensus-justert" eller "Ekspert konsensus - unaligned" armer basert på om ekspertundersøkelsesresultater samsvarer med faktisk gitt behandling.
  4. Data vil deretter bli analysert ved hjelp av passende pakker med SAS statistisk analyseprogramvare. Overlevelsesanalyse vil bli utført for å avgjøre om konsensus predikerer forbedret progresjonsfri overlevelse (PFS).
  5. De strukturerte og avidentifiserte radiografiske bildene som brukes av ekspertene i undersøkelser vil bli brukt til opplæring og utvikling av en AI-algoritme. Målet med denne delen av studien er å finne ut om standardisert og strukturert bildebehandling kan brukes til å trene en algoritme for å forutsi om ekspertkonsensus oppnås og anbefalt behandling.

Studieoversikt

Status

Aktiv, ikke rekrutterende

Intervensjon / Behandling

Detaljert beskrivelse

1) Plan for statistisk analyse:

  1. dette dokumentet inneholder detaljene om statistiske analyser som er planlagt for EC-AIM Brain-studien.
  2. Målet med denne studien:

jeg. Hovedmålet er å finne ut om pasienter hvis behandling er i tråd med ekspertkonsensus, har et bedre resultat enn de som behandling ikke stemmer overens med ekspertkonsensus.

  1. Dette vil bli bestemt med et primært endepunkt for progresjonsfri overlevelse (levende og uten tumorvekst ved siste oppfølging).
  2. Dette vil bli testet med log-rank test for likhet av overlevelseskurver (EC/justert vs EC/unaligned).

2) Forkortelser:

  1. EF - ekspertkonsensus
  2. HR - fareforhold
  3. OS - total overlevelse
  4. PFS - progresjonsfri overlevelse
  5. KPS - Karnofsky Performance Score 3) Målgruppe:

en. Inkluderingskriterier: i. Påfølgende pasienter behandlet av nevrokirurger ved et enkelt senter mellom april 2018 og juli 2023 for ondartede hjernesvulster, inkludert gliom, metastaser og lymfom.

b. Ekskluderingskriterier:

  1. Pasienter uten tilgjengelige MR dicom-bilder
  2. Pasienter med andre CNS maligniteter
  3. Pasienter med multiple tilbakevendende gliomer som gjennomgår behandling for primært palliative formål
  4. Pasienter yngre enn 16 år 4) Prøvetaking: fortløpende 5) Vurdering av prøvestørrelse: a. Det er utfordrende å bestemme en estimert effektstørrelse som EC ville gi. Fra tidligere forskning på ekspertpaneler i lumbal spondylolistese, ble en prøvestørrelse på ca. 200 pasienter notert å være tilstrekkelig for innledende vurdering. Som sådan vil studien inkludere 225 forsøkspersoner som vår kohortstørrelse for å stå for ~10 % pasienttap for å følge opp.

6) Datainnsamlingsmetoder:

  1. Standardiserte kliniske vignetter med avidentifiserte kliniske data og standardiserte radiografiske bilder og video vil bli lastet opp til Acesis HPOP-plattformen.

jeg. Opplastede filer vil inkludere representativ multiplanar magnetisk resonans eller datatomografibilder. En e-post med lenke til undersøkelsen vil bli distribuert til hjernesvulstekspertpanelet c. Ekspertrespondenter vil ha 72 timer på seg til å svare på en standardisert undersøkelse d. Ekspertrespondenter kan svare på spørsmål angående foreslått behandling samt eventuelle tilleggsteknologier som trengs. kohorttildeling (basert på undersøkelsesresultater og faktisk behandling) vil bli utført av en egen studieutforsker.

8) Manglende data:

en. Alle emner vil bli inkludert i primær resultatanalyse. De vil bli sensurert ved siste oppfølgingsvurdering. Alle manglende data vil bli antatt å mangle tilfeldig.

9) Kvalitetssikringsplan: 10) Tildeling av resultatgruppe:

en. Behandling vil bli definert i følgende fire kategorier: i. Observasjon/ingen behandling ii. Bare biopsi iii. Reseksjon iv. Strålebehandling b. Ekspertkonsensus vil bli definert som minst 80 % enighet blant minst 10 respondenter. Justert vil bli definert som den anbefalte behandlingskategorien ovenfor som samsvarer med den faktiske behandlingen som gis. 11) Resultatanalyse:

en. Primær utfallsvariabelanalyse: i. Det primære utfallsmålet er progresjonsfri overlevelse (levende og uten tegn på tumorvekst ved oppfølging) ii. Hypotese:

  1. H0: hEC_aligned ≤ hEC_unaligned
  2. HA: hEC_aligned > hEC_unaligned iii. Dette vil bli testet med log-rank test for likhet av overlevelseskurver (EC/justert vs EC/unaligned).

iv. Testen vil være ensidig (alfa=0,025) b. Ytterligere analyser av det primære resultatet: i. Justering for kjente konfoundere inkludert diagnose, alder, KPS, omfang av reseksjon ii. Utforskende dataanalyse ved hjelp av beskrivende statistikk og logistisk regresjon/lineær regresjon vil bli brukt for å evaluere for interaksjoner og forvirrende kovarianter. c. Sekundær utfallsvariabelanalyse: i. Total overlevelse ii. Dataanalyse vil være utforskende og støttende, og derfor vil den statistiske planen ikke ta hensyn til mangfold iii. Sekundære analyser vil bli utført for OS og PFS for to- og tre-kohortgrupper

  1. EC/justert vs EC/ujustert
  2. EM vs ingen EM
  3. EC/justert vs EC/ujustert vs ingen EC 12) Planlagt analyse for prediktorer for EC

    1. Dataanalyse vil være utforskende og støttende, og derfor vil studien ikke ta hensyn til mangfold
    2. Beskrivende statistikk vil bli brukt for å evaluere forskjeller mellom EC og ingen EC-grupper
    3. Beskrivende statistikk vil bli brukt for å evaluere forskjeller mellom EC/justerte og EC/ujusterte grupper
    4. Fisher eksakte tester og chi-kvadrat-tester vil bli brukt for kategoriske variabler avhengig av testforutsetninger
    5. Students t-test og Mann-Whitney U-tester vil bli brukt for henholdsvis normalfordelte og ikke-normalfordelte kontinuerlige variabler
    6. Logistiske regresjonsmodeller vil bli brukt for å evaluere for prediktorer for EC
    7. Overensstemmelse mellom utført behandling og ekspertkonsensus vil bli evaluert ved bruk av Spearman-koeffisienter
    8. Alle statistiske tester som brukes for beskrivende statistikker vil være to-halede (alfa=0,05) 13) Planlagt interimanalyse: Ingen 14) Bivirkninger: Ingen forventet da dette er en retrospektiv kartgjennomgang og undersøkelsesbasert studie.

Studietype

Observasjonsmessig

Registrering (Antatt)

225

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

    • Massachusetts
      • Boston, Massachusetts, Forente stater, 02111
        • Tufts Medical Center

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Populasjonen som prøvetaking vil skje fra er alle pasienter med CNS-gliomer, metastatisk sykdom og lymfom behandlet av nevrokirurger.

Beskrivelse

Inkluderingskriterier:

  • påfølgende pasienter behandlet ved et enkelt senter mellom april 2018 og juli 2023 for ondartede hjernesvulster, inkludert gliom, metastaser og lymfom.

Ekskluderingskriterier:

  • Pasienter uten tilgjengelige MR dicom-bilder
  • Pasienter med andre CNS maligniteter
  • Pasienter med multiple tilbakevendende gliomer som gjennomgår behandling for primært palliative formål
  • Pasienter yngre enn 18 år

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
EC/justert
Kohort med ekspertkonsensus på linje med faktisk behandling
Intervensjonen er en e-postbasert spørreundersøkelse som beskrevet i studiebeskrivelsen.
EC/ujustert
Kohort med ekspertkonsensus som ikke er på linje med faktisk behandling
Intervensjonen er en e-postbasert spørreundersøkelse som beskrevet i studiebeskrivelsen.
Ingen EM
Ekspertpanel anbefalt behandling oppnådde ikke 80 % samsvar
Intervensjonen er en e-postbasert spørreundersøkelse som beskrevet i studiebeskrivelsen.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Total overlevelse
Tidsramme: Gjennom studiegjennomføring i snitt 2 år
Pasienter som endelig er i live følger opp gjennom fullføring av studien, i gjennomsnitt 2 år
Gjennom studiegjennomføring i snitt 2 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Progresjonsfri overlevelse
Tidsramme: Gjennom studiegjennomføring i snitt to år
Pasienter uten sikre bevis på progresjon etter siste oppfølging gjennom studieavslutning, i gjennomsnitt to år
Gjennom studiegjennomføring i snitt to år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Etterforskere

  • Hovedetterforsker: Marie Roguski, MD MPH, Tufts Medical Center

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. juli 2017

Primær fullføring (Antatt)

1. desember 2025

Studiet fullført (Antatt)

1. desember 2025

Datoer for studieregistrering

Først innsendt

9. september 2024

Først innsendt som oppfylte QC-kriteriene

14. oktober 2024

Først lagt ut (Faktiske)

21. oktober 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

21. oktober 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

14. oktober 2024

Sist bekreftet

1. september 2024

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

Nei

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. .

Abonnere