- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07436598
3D virtuell reseksjon for å forutsi lungefunksjon ved VATS
Preoperativ tredimensjonal virtuell reseksjon forutsier postoperativ lungefunksjon etter anatomisk reseksjon: En prospektiv longitudinell studie
Denne studien har som mål å validere en ny preoperativ vurderingsstrategi ved bruk av tredimensjonal (3-D) datatomografi (CT)-rekonstruksjon og virtuell reseksjonssimulering. Målet er å nøyaktig forutsi postoperativ lungefunksjon hos pasienter med ikke-småcellet lungekreft (NSCLC) som gjennomgår videoassistert torakoskopisk kirurgi (VATS) anatomisk reseksjon.
Nøyaktig prediksjon av postoperativ lungefunksjon er avgjørende for pasientsikkerheten. Tradisjonelle metoder, som segmenttelling, mangler ofte presisjon fordi de antar at alle lungesegmenter bidrar likt til funksjonen, og ignorerer variasjoner forårsaket av svulster eller emfysem. Denne studien bruker 3-D "virtuell reseksjon" for å kvantifisere "Planlagt reseksjonsventilert lungevolumfraksjon" (pRVLVF) før operasjon.
Studien vil rekruttere 60 deltakere delt inn i to grupper: de som gjennomgår lobektomi (n=30) og de som gjennomgår segmentektomi (n=30). Deltakerne vil gjennomgå standard tynnsnitt-CT-skanninger og lungefunksjonstester (PFT) før operasjonen. Postoperativt vil lungefunksjon og bedring bli sporet etter 3, 6 og 12 måneder for å utvikle en dynamisk prediksjonsmodell og evaluere den kompensatoriske kapasiteten til den resterende lungen.
Studieoversikt
Status
Detaljert beskrivelse
Bakgrunn: Lungekreft forblir en ledende årsak til kreftdødelighet. For tidlig stadie NSCLC er VATS anatomisk reseksjon (lobektomi eller segmentektomi) standardbehandlingen. Imidlertid avhenger sikkerheten til kirurgi i stor grad av pasientens lungekapasitet. Tradisjonelle prediksjonsmetoder, som segmenttellingsregelen, har vist prediksjonsfeil på opptil 20-30 % fordi de ikke tar hensyn til regional heterogenitet i lungeventilasjon.
Studiedesign: Dette er en prospektiv, multikenter, longitudinal kohortstudie. Studien har til hensikt å rekruttere 60 pasienter som er kvalifisert for VATS anatomisk reseksjon. Pasientene vil bli stratifisert i to grupper:
- VATS Segmentektomi-gruppe (n=30)
- VATS Lobektomi-gruppe (n=30)
Metodologi:
1. Preoperativ vurdering: Innen 30 dager før operasjon vil alle deltakere gjennomgå høyoppløselig tynnskive (1 mm) bryst-CT og standard lungefunksjonstester (PFT).
2. 3-D virtuell reseksjon: Ved bruk av Synapse 3-D-programvare vil en pasientspesifikk anatomisk modell rekonstrueres. Forskeren vil utføre en "virtuell reseksjon"-simulering for å merke det planlagte reseksjonsområdet. Systemet vil beregne den planlagte resekerte ventilerte lungevolumfraksjonen (pRVLVF), definert basert på godt ventilert lungevev (CT-demping -950 til -700 HU).
3. Kirurgisk prosedyre: Pasienter vil gjennomgå standard VATS lobektomi eller segmentektomi som klinisk indikert.
4. Postoperativ oppfølging: PFT vil bli utført 3, 6 og 12 måneder etter operasjon. Oppfølgings-CT-skanninger vil bli utført ved 6 og 12 måneder for å vurdere strukturell ommodellering.
Mål og analyse:
Primært mål: Å validere nøyaktigheten til pRVLVF-basert prediksjonsmodell. Det primære endepunktet er gjennomsnittlig absolutt feil (MAE) av predikert FEV1 ved 3 måneder etter operasjon, med en målpresisjon på MAE < 180 mL.
Sekundære mål:
- Å vurdere langsiktig prediksjonsnøyaktighet ved 6 og 12 måneder.
- Å kvantifisere "kompensasjonskoeffisienten" (CC) av restlunge ved bruk av lineære mixed-effects-modeller (LME), justert for alder, BMI og røykehistorikk.
- Å evaluere innvirkningen av postoperative komplikasjoner på den funksjonelle gjenopprettingskurven.
Denne studien søker å etablere et presist, tilgjengelig og dynamisk verktøy for kirurgisk risikovurdering og beslutningstaking i thoraxkirurgi.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Chih-Hsiang Chang, MD
- Telefonnummer: +886-0972653384
- E-post: thenightdeity@gmail.com
Studiesteder
-
-
-
Taipei, Taiwan
- Rekruttering
- National Taiwan University Cancer Center
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter planlagt for videoassistert torakoskopisk (VATS) lobektomi eller segmentektomi ved National Taiwan University Hospital eller NTU Cancer Center.
- Alder mellom 18 og 80 år.
- Pasienter som har signert informert samtykkeskjemaet og samtykker til å tilby bildedata for 3D-modellering.
Eksklusjonskriterier:
- Alder under 18 eller over 80 år.
- Pasienter ikke planlagt for VATS lobektomi eller segmentektomi.
- Pasienter diagnostisert med Kronisk Obstruktiv Lungesykdom (KOLS).
- Pasienter som ikke kan eller ikke vil signere informert samtykkeskjema.
- Sårbare befolkningsgrupper.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
VATS-segmentektomigruppen
Pasienter med ikke-småcellet lungekreft som er planlagt for videoassistert torakoskopisk segmentektomi.
|
|
VATS lobektomi-gruppe
Pasienter med ikke-småcellet lungekreft planlagt for videoassistert torakoskopisk lobektomi.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Gjennomsnittlig absolutt feil (MAE) for predikert postoperativ FEV1
Tidsramme: 3 måneder etter operasjonen
|
Nøyaktigheten til den preoperativt 3D virtuelle reseksjonsmodellen vil bli evaluert ved å beregne gjennomsnittlig absolutt feil (MAE) mellom den predikerte FEV1 og den faktisk målte FEV1.
En lavere MAE indikerer høyere prediksjonsnøyaktighet.
Studien tar sikte på en MAE på mindre enn 180 mL.
|
3 måneder etter operasjonen
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Langtids prediksjonsfeil for FEV1 og FVC
Tidsramme: 6 måneder og 12 måneder etter operasjonen
|
Evaluering av prediksjonsmodellens nøyaktighet ved 6 og 12 måneder for å vurdere stabilitet over tid.
|
6 måneder og 12 måneder etter operasjonen
|
Samarbeidspartnere og etterforskere
Publikasjoner og nyttige lenker
Generelle publikasjoner
- 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.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
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
- 202510086RINC
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
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. .