Análise de imagem baseada em PET/CT e aprendizado de máquina de lesões pulmonares hipermetabólicas
22 de julho de 2025 atualizado por: Hu Jiajia, Ruijin Hospital
Distinção de linfoma pulmonar e outras lesões hipermetabólicas baseada em imagens PET/CT por meio de manifestações de imagem e técnicas de aprendizado de máquina: um estudo retrospectivo multicêntrico
Primeiro, analisamos os tipos, achados de imagem e respostas relevantes ao tratamento com base em PET/CT para completar uma visão mais abrangente dos linfomas pulmonares.
Em seguida, serão desenvolvidos alguns modelos baseados em características radiômicas para verificar a possibilidade de diferenciar linfomas pulmonares via aprendizado de máquina e desenvolver um modelo de classificação multiclasse.
O objetivo final deste estudo é desenvolver um conjunto de modelos de aprendizagem profunda para segmentação preliminar de lesões pulmonares e classificação multiclasse. Os modelos classificarão as lesões pulmonares ávidas por FDG em quatro grupos, cada um definido pela sua origem patológica, terapia primária e departamento clínico relevante.
Visão geral do estudo
Status
Concluído
Intervenção / Tratamento
Descrição detalhada
- O software de extração de recursos de imagem local (LIFEx, v 7.4.0, França) foi empregado para a revisão de imagens e medição de dados relevantes. Três observadores interpretaram as imagens de forma independente. Em casos de divergência, foi dada preferência à opinião de um médico experiente com mais de uma década de experiência. Os achados de imagem foram registrados com base nos exames iniciais. Contagens de lesões, localizações e rótulos descritivos foram registrados sistematicamente de acordo com as normas estabelecidas no relatório de imagem. O software estatístico SPSS (v26.0) foi utilizado na classificação e cálculo dos dados. O teste qui-quadrado foi empregado para comparar NPS e LPP com base em variáveis categóricas, como achados de TC, enquanto o teste T foi usado para avaliar variáveis contínuas, como glicemia e SUV. Dada a predominância de variáveis categóricas, o teste qui-quadrado ou exato de Fisher (para amostras <40 ou> 20% de células com <5 contagens esperadas) foi utilizado para avaliar a resposta ao tratamento e o desempenho da imagem. O coeficiente de correlação de Spearman foi empregado para analisar a relação entre variáveis contínuas categóricas e baseadas em SUV.
- Neste estudo, o volume metabólico do tumor em um limiar relativo de 40% (MTV40%) foi selecionado como volume de interesse (VOI) para análise de imagem. Para extração de recursos, empregamos o kit de ferramentas de extração de recursos radiômicos baseado em Python (v3.11.7) PyRadiomics (v3.1.0), junto com a biblioteca de processamento de imagens médicas SimpleITK (v2.3.1), a biblioteca de computação numérica e manipulação de dados Numpy (v1.26.2) e a biblioteca de transformação wavelet PyWavelet (v1.5.0). A seleção de recursos foi realizada usando RStudio (v.2023.12.0+369) baseado na linguagem de programação R (v4.2.0). Para garantir eficiência computacional e evitar overfitting, o número de características retidas foi limitado a 10% ou menos do número de lesões no conjunto de treinamento. A análise e validação do modelo também foram realizadas principalmente usando o RStudio.
- O estudo de aprendizagem profunda divide a tarefa de identificar e classificar lesões pulmonares hipermetabólicas em duas etapas: segmentação e classificação. No estágio de segmentação, utilizamos primeiro o modelo 2D de código aberto Lungmask para cortar automaticamente a região pulmonar a partir de imagens PET/CT de corpo inteiro, garantindo que o processamento subsequente seja focado na área pulmonar. Em seguida, desenvolvemos um modelo UNet 3D com módulos residuais projetados especificamente para segmentar lesões pulmonares hipermetabólicas. Este modelo toma como entrada as imagens recortadas de PET/CT, extraindo eficientemente informações sobre lesões das imagens tridimensionais e segmentando com precisão as áreas de lesão pulmonar hipermetabólica. O modelo foi então aplicado a conjuntos de testes internos e conjuntos de validação externos para inferência, resultando em a extração de ROIs contendo lesões.
Tipo de estudo
Observacional
Inscrição (Real)
647
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Shanghai
-
Shanghai, Shanghai, China, 200025
- Ruijin Hospital affiliated to Shanghai Jiao Tong University of Medicine
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Não
Método de amostragem
Amostra Não Probabilística
População do estudo
Este estudo retrospectivo envolveu pacientes submetidos a exames PET/CT no Departamento de Medicina Nuclear de janeiro de 2015 a fevereiro de 2024 em 5 instituições: Hospital Ruijin, Centro de Prótons do Hospital Ruijin Norte, Hospital Pulmonar de Xangai, Hospital Popular de Lu'an da província de Anhui e o Hospital Afiliado da Universidade de Medicina Tradicional Chinesa de Nanjing.
Descrição
Critérios de inclusão:
- Pacientes adultos (≥18 anos);
- Linfoma primário ou recorrente, ≥6 meses do último tratamento; pacientes com câncer de pulmão primário sem malignidade prévia;
- Lesões pulmonares sólidas benignas, sem malignidade prévia;
- Metástase pulmonar, não tratada com radioterapia pulmonar ou implantação de partículas;
- Avaliação inicial revelando lesões pulmonares PET positivas.
- Resultados patológicos dentro de 3 meses da data do exame, tipos de lesões pulmonares confirmados por traqueoscopia, punção pulmonar ou cirurgia.
- Lesões pulmonares basais restantes consideradas linfoma pulmonar (ou metástases) com base na avaliação clínica e de imagem de acompanhamento.
Critérios de exclusão:
- Má qualidade de imagem;
- Incapacidade de delinear os limites das lesões pulmonares nas imagens de TC;
- Artefatos causados por dispositivos próximos, como stents ou tubos de drenagem.
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Linfoma pulmonar
(1) Pacientes adultos (≥18 anos).
(2) Pacientes com linfoma primário ou recorrente, ≥6 meses do último tratamento.
(3) A avaliação inicial no hospital revelou lesões pulmonares positivas para PET, diâmetro máximo medido por TC ≥3 mm, visíveis em ≥2 camadas de imagem.
(4) Resultados patológicos dentro de 3 meses da data do exame, tipos de lesões pulmonares confirmados por traqueoscopia, punção pulmonar ou cirurgia.
Ou lesões pulmonares basais de linfoma diagnosticadas por linfonodo e punção pulmonar externa, permanecem consideradas linfoma pulmonar com base na avaliação clínica e de imagem de acompanhamento.
|
Observe as imagens médicas através da estação de trabalho ou software de análise de imagens local
Extração de recurso de imagem por meio de radiômica ou métodos de aprendizagem profunda
|
|
Câncer de pulmão
(1) Pacientes adultos (≥18 anos).
(2) Pacientes com câncer de pulmão primário sem malignidade prévia (3) A avaliação inicial no hospital revelou lesões pulmonares positivas para PET, diâmetro máximo medido por TC ≥3 mm, visíveis em ≥2 camadas de imagem.
(4) Resultados patológicos dentro de 3 meses da data do exame, tipos de lesões pulmonares confirmados por traqueoscopia, punção pulmonar ou cirurgia.
|
Observe as imagens médicas através da estação de trabalho ou software de análise de imagens local
Extração de recurso de imagem por meio de radiômica ou métodos de aprendizagem profunda
|
|
Benigno
(1) Pacientes adultos (≥18 anos).
(2) Pacientes com lesões pulmonares sólidas benignas, sem malignidade prévia.
(3) A avaliação inicial no hospital revelou lesões pulmonares positivas para PET, diâmetro máximo medido por TC ≥3 mm, visíveis em ≥2 camadas de imagem.
(4) Resultados patológicos dentro de 3 meses da data do exame, tipos de lesões pulmonares confirmados por traqueoscopia, punção pulmonar ou cirurgia.
|
Observe as imagens médicas através da estação de trabalho ou software de análise de imagens local
Extração de recurso de imagem por meio de radiômica ou métodos de aprendizagem profunda
|
|
Metástase
(1) Pacientes adultos (≥18 anos).
(2) Pacientes metastáticos pulmonares, não tratados com radioterapia pulmonar ou implantação de partículas.
(3) A avaliação inicial no hospital revelou lesões pulmonares positivas para PET, diâmetro máximo medido por TC ≥3 mm, visíveis em ≥2 camadas de imagem.
(4) Resultados patológicos dentro de 3 meses da data do exame, tipos de lesões pulmonares confirmados por traqueoscopia, punção pulmonar ou cirurgia.
Ou lesões pulmonares basais de metástases diagnosticadas por linfonodo e punção pulmonar externa, permanecem consideradas metástases pulmonares com base na avaliação clínica e de imagem de acompanhamento.
|
Observe as imagens médicas através da estação de trabalho ou software de análise de imagens local
Extração de recurso de imagem por meio de radiômica ou métodos de aprendizagem profunda
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Prazo |
|---|---|
|
Recursos de imagem/radiômica/aprendizado profundo da imagem 18F-FDG PET/CT
Prazo: Linha de base
|
Linha de base
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Eficiência do modelo de segmentação
Prazo: imediatamente após o desenvolvimento e teste de modelos
|
A eficácia do modelo de segmentação é avaliada pela taxa de detecção de lesões e pelo coeficiente de similaridade de Dice (2(A∩B)/ (A+B), A=volume de voxel segmentado, B=volume verdadeiro), que descreve o precisão na divisão da lesão e do fundo.
|
imediatamente após o desenvolvimento e teste de modelos
|
|
Eficiência do modelo de classificação
Prazo: imediatamente após o desenvolvimento e teste de modelos
|
O modelo de classificação é avaliado pela precisão [ (TP+TN)/(TP+FP+TN+FN) ] , precisão [TP/(TP+FP)], recall [TP/(TP+FN)], F1- pontuação [2*precisão*recuperação/(precisão+recuperação)], que descreve a proporção de lesões classificadas correta ou incorretamente das amostras em diferentes aspectos.
Embora a curva característica de operação do receptor (ROC) possa ilustrar isso de forma mais visual.
A área sob a curva (AUC) calculou a proporção da área sob a curva ROC, variando de 0 a 1, representando a eficiência geral da classificação em cada grupo.
|
imediatamente após o desenvolvimento e teste de modelos
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
1 de abril de 2024
Conclusão Primária (Real)
20 de julho de 2024
Conclusão do estudo (Real)
30 de abril de 2025
Datas de inscrição no estudo
Enviado pela primeira vez
11 de setembro de 2024
Enviado pela primeira vez que atendeu aos critérios de CQ
17 de setembro de 2024
Primeira postagem (Real)
19 de setembro de 2024
Atualizações de registro de estudo
Última Atualização Postada (Real)
23 de julho de 2025
Última atualização enviada que atendeu aos critérios de controle de qualidade
22 de julho de 2025
Última verificação
1 de julho de 2025
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- RuijinH 2024-70
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
produto fabricado e exportado dos EUA
Não
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 .