Melhorando o tratamento do câncer de pâncreas pelo uso da ciência e tecnologia computacional (IMPACT)

Desenho do estudo: Estudo de coorte observacional retrospectivo e multicêntrico. Os dados pseudonimizados serão coletados retrospectivamente. Os dados clínicos de pacientes que foram submetidos a procedimentos de diagnóstico e tratamento de (suspeitas) lesões pancreáticas benignas e malignas podem ser recuperados dos bancos de dados institucionais e de auditoria e das coortes em andamento dos centros participantes. Para a coleta de dados clínicos, será utilizado um banco de dados Castor Electronic Data Capture (EDC). Os dados de imagem, incluindo imagens radiográficas pseudonimizadas antes, durante e após o tratamento serão coletados por meio de pastas Research Imaging Architecture (RIA) e armazenados com segurança no University Medical Center (UMC) Utrecht. Os dados para projetos de inteligência artificial podem ser solicitados no banco de dados central e são compartilhados de forma segura após a aprovação de cada site participante. Para este efeito, será criado um comité diretor do projeto, que será composto por um representante de cada centro participante. O comité diretor será responsável pela gestão global do projeto, abordando e resolvendo problemas de gestão do projeto, avaliando propostas de estudos e decidindo sobre a divulgação de um conjunto de dados à parte requerente, conforme descrito no Acordo de Colaboração em Investigação. Dados coletados no banco de dados do consórcio (por exemplo, exames pré-operatórios, exames pós-operatórios, entidades de doença, anotações etc.) serão listados para fornecer uma visão clara dos dados disponíveis.

População do estudo: Todos os pacientes que foram submetidos a procedimentos de diagnóstico e/ou tratamento para (suspeitas) lesões pancreáticas benignas e malignas, conforme registrado no Dutch Pancreatic Cancer Project (PACAP), bem como indivíduos saudáveis ​​que receberam uma tomografia computadorizada abdominal (controles).

Objetivo primário: O objetivo primário deste estudo depende dos subprojetos específicos. Este estudo facilitará a coleta de grandes quantidades de dados do mundo real para (futuros) projetos de ciência da computação. O foco dos subprojetos atualmente pré-especificados para os diferentes centros participantes é apresentado abaixo:

1. PI Lois Daamen (Centro Acadêmico Regional de Câncer de Utrecht, UMC Utrecht Cancer Center): Desenvolver um algoritmo de IA explicável (XAI) que possa apoiar os médicos na detecção precoce de recorrência local após cirurgia e avaliação da resposta tumoral local durante (neo)adjuvante e/ou definitivo quimioterapia e/ou radioterapia em pacientes individuais com câncer de pâncreas usando modalidades diagnósticas comuns. Uso de análise de composição corporal de aprendizagem profunda de tomografia computadorizada (TC) adquirida clinicamente para modificação personalizada da dose de quimioterapia com base em perfis de toxicidade (previstos).
2. PI Misha Luyer (Catharina Ziekenhuis Eindhoven): Melhor diagnóstico e caracterização de tumores pancreáticos e sua relação com estruturas circundantes. Detecção precoce de câncer pancreático primário, ressecabilidade de tumores pancreáticos e avaliação da resposta à quimio(radio)terapia neoadjuvante.
3. Jeanin van Hooft do PI, Sven Mieog (Centro Médico da Universidade de Leiden): segmentação (semi) automatizada do pâncreas em ressonância magnética (MRI), desenvolvimento de um algoritmo de classificação para a detecção de câncer pancreático primário e lesões pré-malignas de alto grau em ressonância magnética, quantificação de alterações longitudinais do tecido pancreático na ressonância magnética que podem indicar o desenvolvimento de câncer pancreático. Integrar modelos 3D de modalidades radiológicas (TC, RM e PET) para melhor prever a ressecabilidade e a resposta ao tratamento de tumores pancreáticos.
4. PI Steven Olde Damink (Centro Médico da Universidade de Maastricht): Definir um fenótipo hospedeiro baseado em imagens médicas (variáveis ​​de composição corporal e radionomia baseadas em análises de imagens de TC) para pacientes com câncer de pâncreas para prever resultados pós-operatórios e oncológicos.
5. Joost Klaasse do PI (University Medical Center Groningen) e Mike Liem (Medisch Spectrum Twente): Uso de inteligência artificial para cistos pancreáticos.
6. PI Inez Verpalen (Centro Médico da Universidade de Amsterdã): Desenvolver (1) um modelo para avaliação da resposta neoadjuvante do câncer de pâncreas usando tomografia computadorizada (sobrevivência e patologia (PA) como resultado), (2) um modelo para avaliação da ressecabilidade do carcinoma pancreático usando tomografia computadorizada , (3) um modelo multicêntrico de carcinoma pancreático + segmentação de vasos, (4) um modelo de predição de fístula pancreática pós-operatória (POPF) usando ressonância magnética; (5) um modelo de segmentação de neoplasias mucinosas papilares intraductais (IPMN) em ressonância magnética; (6) um modelo para estimativa de malignidade para IPMN e para realizar (7) validação externa da predição de POPF usando radiômica na TC.
7. PI Bas Groot Koerkamp (Centro Médico Erasmus): i.a. Projetos relacionados ao PREOPANC

Coleta de dados: Serão coletados os seguintes dados clínicos:

• Anos de idade)
• Gênero
• Altura (cm)
• Peso (kg)
• Índice de massa corporal calculado (IMC; kg/m2)
• Comorbidade/pontuação da Sociedade Americana de Anestesiologistas (ASA)
• Pontuação de desempenho do Grupo Cooperativo de Oncologia Oriental (ECOG)
• Data do tratamento
• Tipo de tratamento (ou seja, quimioterapia, radioterapia, cirurgia, combinações)
• Complicações
• Diagnóstico histopatológico
• Ressecção vascular
• Status da margem de ressecção (R0/R1/R2)
• Diferenciação tumoral
• Tamanho do tumor
• Tumor patológico, nódulo, estágio de metástase (pTNM)
• Número de linfonodos positivos
• Presença de recorrência
• Data de recorrência
• Local de recorrência
• Estado vital
• Data da morte
• Data do último acompanhamento Os dados serão extraídos tanto quanto possível de bancos de dados clínicos existentes, incluindo o banco de dados "Pancreatic Cancer Recurrence in the Netherlands" (NCT04605237), que inclui a maioria dessas variáveis.

Dados técnicos:

• Tomografias computadorizadas pré e pós-tratamento (acompanhamento)
• Exames de ressonância magnética pré e pós-tratamento (acompanhamento)
• Exames PET-CT pré e pós-tratamento (acompanhamento)

A gestão de dados é realizada de acordo com a política de gestão de dados da UMC Utrecht, conforme descrito no Plano de Gestão de Dados. Os dados são coletados usando um formulário eletrônico predefinido de registro de caso no Castor EDC. Os médicos locais nos centros participantes são responsáveis ​​pela coleta de dados. Podem, no entanto, transferir esta responsabilidade para a equipa de estudo. A equipe de estudo nomeará pessoal apropriado para coleta de dados.