Badanie dotyczące poprawy wykrywania wczesnego raka płuc w zróżnicowanej populacji (IDEAL). (IDEAL)

Rak płuc nadal jest główną przyczyną zgonów z powodu nowotworów w Kanadzie i na świecie. Na podstawie kilku dużych randomizowanych badań kontrolnych wykazano, że badania przesiewowe niskodawkowej tomografii komputerowej (LDCT) są opłacalną metodą ratowania życia osób, które dużo paliły. Dowody doprowadziły do ​​wdrożenia w Kanadzie badań przesiewowych w kierunku raka płuc metodą LDCT u osób, które w przeszłości dużo paliły lub nadal palą. Jednakże ponad 50% pacjentów, u których obecnie rozwija się rak płuc, nie spełnia aktualnych kryteriów kwalifikacyjnych do badań przesiewowych. Pilnie potrzebna jest strategia umożliwiająca identyfikację osób, które obecnie nie kwalifikują się do badań przesiewowych, ale są obciążone wysokim ryzykiem raka płuc. Tymczasem ostatnie badania wykazały, że pacjenci z przypadkowymi guzkami płucnymi (IPN) często nie spełniają kryteriów przesiewowych LDCT. Mimo że ci pacjenci są bardziej narażeni na raka płuc, większość z nich nigdy nie jest poddawana obserwacji klinicznej. Stanowi to ważną okazję do zajęcia się pojawiającym się wyzwaniem związanym z wczesnym wykrywaniem raka płuc, przy jednoczesnym zajęciu się brakującym ogniwem między IPN a rakiem płuc.

Cel.

Proponowane przez nas badanie będzie miało dwa ważne cele: (a) identyfikacja osób z wysokim ryzykiem raka płuc, które odniosłyby korzyść z badań przesiewowych LDCT, ale obecnie się do nich nie kwalifikują; (b) zapewnić ramy postępowania z pacjentami z przypadkowymi guzkami płuc wraz z odpowiednią obserwacją w oparciu o dokładną interpretację tomografii komputerowej klatki piersiowej, która jest już dostępna.

Cele szczegółowe

(i) Opracować ramy oceny ryzyka raka płuc u pacjentów z IPN; (ii) Opracować i zatwierdzić test wydychanego powietrza w celu identyfikacji osób wysokiego ryzyka, które nie spełniają aktualnych kryteriów kwalifikujących się do badań przesiewowych LDCT; (iii) Prospektywna walidacja panelu białek krążących we krwi w celu personalizacji postępowania w przypadku przypadkowych guzków płucnych; (iv) Poprawa dokładności i spójności odczytu tomografii komputerowej klatki piersiowej w przypadku przypadkowych guzków płucnych, aby poprawić wczesne wykrywanie raka płuc; (v) Ocena korzyści zdrowotnych i ekonomicznych wielomodalnego podejścia do leczenia przypadkowych guzków płucnych

Metody. Łącznie w obu ramionach badania zostanie zrekrutowanych 3600 uczestników.

Ponieważ pacjenci IPN stanowią populację wysokiego ryzyka, niekwalifikującą się do badań przesiewowych i zwykle niedostatecznie obsłużoną, utworzymy wieloprowincjonalną kohortę IPN opartą na 3600 pacjentach z IPN z 3 prowincji: Kolumbii Brytyjskiej, Ontario i Quebecu. Dla Breathomics przeprowadzimy kompleksowe badania lotnych związków organicznych przy użyciu najnowocześniejszej technologii i dokładnej spektrometrii masowej chromatografii gazowej o wysokiej rozdzielczości. Sygnatury oddechów zostaną sprawdzone na podstawie przeddiagnostycznych próbek oddechu w kohorcie IPN i przetestują użyteczność kliniczną za pomocą urządzenia mobilnego przyłóżkowego. Prospektywnie zwalidujemy panel krążących białek i ocenimy bezwzględne ryzyko raka płuc w kohorcie IPN, aby ustalić progi ryzyka do zastosowania klinicznego. Równolegle będziemy opracowywać algorytm głębokiego uczenia się na podstawie obrazów LDCT w celu poprawy klasyfikacji IPN. Przeprowadzona zostanie analiza ekonomiczna zdrowia pod kątem użyteczności klinicznej tych narzędzi.

Znaczenie:

Populacja IPN zapewnia nam niewykorzystaną szansę uczenia się, aby poprawić wczesne wykrywanie raka płuc. Identyfikacja osób, które obecnie nie kwalifikują się do badań przesiewowych, ale są w grupie wysokiego ryzyka raka płuc, pozwala nam wykorzystać sztuczną inteligencję i inne biomarkery do przewidywania raka płuc na podstawie już dostępnego pojedynczego tomografii komputerowej klatki piersiowej.