Ferramenta de previsão de inteligência artificial em tumores epiteliais tímicos (INTHYM)
Inteligência Artificial para Classificação Histopatológica e Predição de Recorrência de Tumores Epiteliais Tímicos
Este estudo observacional multicêntrico visa melhorar a classificação do tumor epitelial tímico e prever riscos de recorrência usando modelos de IA. Ao analisar a patologia digital e as variáveis clínicas, o projeto aborda as discrepâncias no atual sistema de classificação da OMS.
Principais dúvidas:
- Os modelos de IA podem melhorar a precisão da classificação do tumor epitelial tímico?
- Os modelos de IA prevêem melhor os riscos de recorrência em comparação com o sistema de classificação da OMS?
Tarefas do Participante:
- Análise de patologia digital.
- Desenvolva modelos de IA para classificação precisa e previsão de risco de recorrência.
Grupo de comparação:
Os pesquisadores compararão a classificação aprimorada por IA com o sistema da OMS para determinar se os modelos de IA fornecem subtipagem mais precisa e preveem melhor os riscos de recorrência.
Design de estudo:
Este projeto internacional utiliza três bases de dados de Rotterdam, Maastricht e Lyon, com uma base de dados para construção de modelos de IA e as outras duas para validação externa.
Objetivo final:
Desenvolva modelos de IA que apoiam patologistas na subtipagem precisa de tumores epiteliais do timo, evitando tratamento insuficiente ou excessivo com radioterapia adjuvante para um tratamento mais personalizado e eficaz.
Visão geral do estudo
Status
Descrição detalhada
Os tumores epiteliais tímicos são neoplasias raras no mediastino anterior. A pedra angular do tratamento é a ressecção cirúrgica. A administração de radioterapia pós-operatória geralmente é indicada em pacientes com doença local mais extensa, ressecção incompleta e/ou subtipos mais agressivos, definidos pela classificação histopatológica da OMS.
Nesta classificação distinguem-se os tipos de timoma A, AB, B1, B2, B3 e carcinoma tímico. Estudos mostraram grandes discordâncias entre patologistas na subtipagem desses tumores. Além disso, a classificação da OMS por si só não prevê com precisão o risco de recorrência, uma vez que dentro dos subtipos os pacientes têm prognósticos divergentes.
Desenvolveremos modelos de IA utilizando patologia digital e variáveis clínicas relevantes para melhorar a precisão da classificação histopatológica de tumores epiteliais do timo e para melhor prever o risco de recorrência.
Neste projecto multicêntrico e internacional serão utilizadas três bases de dados existentes de Roterdão, Maastricht e Lyon. Para todos os modelos, um banco de dados será usado para construir modelos de IA e os outros dois para validação externa.
O objetivo final deste projeto é desenvolver modelos de IA que apoiem o patologista na subtipagem correta dos tumores epiteliais do timo, a fim de evitar que os pacientes sejam sub ou supertratados com radioterapia adjuvante.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Anna Salut Esteve Domínguez
- Número de telefone: 0107043491
- E-mail: a.estevedominguez@erasmusmc.nl
Locais de estudo
-
-
South Holland
-
Rotterdam, South Holland, Holanda, 3015 GD
- Recrutamento
- Erasmus MC
-
Contato:
- Anna Salut Esteve Domínguez
- E-mail: a.estevedominguez@erasmusmc.nl
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
População do estudo:
Este estudo se concentra em indivíduos com diagnóstico de tumores epiteliais do timo. O estudo inclui pacientes de três conjuntos de dados: Erasmus MC (710 pacientes), Maastro (137 pacientes) e Hospital Universitário de Lyon (181 pacientes).
Informações adicionais:
- Erasmus MC (710 pacientes): Inclui informações sobre idade, sexo e diagnóstico; cada paciente pode ter várias imagens de slides inteiras.
- Maastro (137 pacientes): Cada paciente pode ter múltiplas imagens de slides inteiras.
- Hospital Universitário de Lyon (181 pacientes): Cada paciente pode ter várias imagens de slides inteiras.
Descrição
Critério de inclusão:
Participantes com diagnósticos específicos são elegíveis para inclusão no estudo. Os diagnósticos elegíveis incluem vários subtipos de timoma e carcinoma tímico, especificamente:
- Timoma A
- Timoma AB
- Timoma B1
- Timoma B2
- Timoma B3
- Carcinoma Tímico
A inclusão é baseada em um diagnóstico consensual com nível de concordância inferior a 70%. Este critério é aplicado durante a fase de treinamento do modelo.
Critérios de recorrência:
Os participantes com resultado de recorrência documentado dentro de um período de 5 anos são considerados elegíveis para este aspecto do estudo. Este critério é aplicado principalmente durante a fase de validação.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Pacientes com TET
Pacientes diagnosticados com os seguintes subtipos de TET:
|
A AI Diagnostics usa algoritmos avançados para análise precisa de imagens histológicas para ajudar a diagnosticar doenças, incluindo subtipos.
Outros nomes:
|
|
Recorrência
Pacientes com tumores epiteliais do timo que apresentaram recorrência.
|
Esta ferramenta de IA avalia dados de tumores tímicos e outros dados clínicos e calcula o risco de recorrência, com o objetivo de analisar se existe associação com subtipos específicos de tumores epiteliais tímicos e dados clínicos.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
WP1 - Bases de dados/Pré-processamento de dados
Prazo: M1-M18
|
O conjunto de dados EMC inclui 179 pacientes com TET classificados por patologistas experientes em TET.
Casos com boa concordância entre patologistas serão utilizados para treinamento de modelos de IA.
A avaliação inclui slides de patologia digitalizados avaliados por um painel internacional de especialistas.
A base de dados MUMC (137 pacientes) e a base de dados CHUL (181 pacientes) fornecem dados adicionais, incluindo variáveis clínicas.
Fatores relevantes incluem idade, sexo, volume do tumor, estágio, integridade da ressecção, doenças autoimunes e detalhes do tratamento.
|
M1-M18
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
WP2 - Modelo de aprendizagem profunda para classificação TET e previsão de recorrência
Prazo: M6-M32
|
Este resultado visa criar uma estrutura de IA com dois objetivos principais.
Primeiro, investigue os subtipos de TET usando quatro modelos diferentes, enfatizando o tipo de célula, estruturas morfológicas e uma combinação.
Segundo, classificar os pacientes com base no resultado da recorrência dentro de 5 anos.
Um estudo de ablação será conduzido com classificadores de aprendizagem profunda de última geração (ResNet, Inception).
|
M6-M32
|
Outras medidas de resultado
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
WP3: Avaliação Clínica
Prazo: M6-M36
|
Os modelos de IA 1-3 serão construídos e validados no banco de dados EMC, enquanto o modelo de IA 4 será construído no banco de dados MUMC+ e validado em ambos.
O desempenho do modelo será avaliado usando sensibilidade, especificidade e valor preditivo negativo/positivo.
As curvas de análise de decisão quantificarão o benefício clínico, identificando grupos de pacientes com maior utilidade.
|
M6-M36
|
Colaboradores e Investigadores
Patrocinador
Publicações e links úteis
Publicações Gerais
- Wolf JL, van Nederveen F, Blaauwgeers H, Marx A, Nicholson AG, Roden AC, Strobel P, Timens W, Weissferdt A, von der Thusen J, den Bakker MA. Interobserver variation in the classification of thymic lesions including biopsies and resection specimens in an international digital microscopy panel. Histopathology. 2020 Nov;77(5):734-741. doi: 10.1111/his.14167. Epub 2020 Sep 24.
- Molina TJ, Bluthgen MV, Chalabreysse L, de Montpreville VT, de Muret A, Dubois R, Hofman V, Lantuejoul S, le Naoures C, Mansuet-Lupo A, Parrens M, Piton N, Rouquette I, Secq V, Girard N, Marx A, Besse B. Impact of expert pathologic review of thymic epithelial tumours on diagnosis and management in a real-life setting: A RYTHMIC study. Eur J Cancer. 2021 Jan;143:158-167. doi: 10.1016/j.ejca.2020.11.011. Epub 2020 Dec 11.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- Maastro Clinic
- 72725524 (Número de outro subsídio/financiamento: Hanarth Fonds)
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .