Улучшение лечения рака поджелудочной железы с помощью вычислительной науки и технологий (IMPACT)

Дизайн исследования: Ретроспективное многоцентровое наблюдательное когортное исследование. Псевдонимизированные данные будут собираться ретроспективно. Клинические данные пациентов, прошедших диагностические процедуры и лечение (предполагаемых) доброкачественных и злокачественных поражений поджелудочной железы, можно получить из институциональных и аудиторских баз данных, а также из текущих когорт участвующих центров. Для сбора клинических данных будет использоваться база данных Castor Electronic Data Capture (EDC). Данные визуализации, включая псевдонимизированные рентгенографические изображения до, во время и после лечения, будут собираться в папках Research Imaging Architecture (RIA) и надежно храниться в Университетском медицинском центре (UMC) Утрехта. Данные для проектов искусственного интеллекта можно запросить из центральной базы данных, и они надежно передаются после одобрения каждого участвующего сайта. Для этой цели будет создан руководящий комитет проекта, в который войдут по одному представителю от каждого участвующего центра. Руководящий комитет будет нести ответственность за общее управление проектом, рассмотрение и решение проблем управления проектом, оценку предложений по исследованию и принятие решений о раскрытии набора данных запрашивающей стороне, как описано в Соглашении о сотрудничестве в области исследований. Собранные данные в базе данных консорциума (например, предоперационные снимки, послеоперационные снимки, объекты заболеваний, аннотации и т. д.) будут перечислены, чтобы обеспечить четкий обзор доступных данных.

Исследуемая популяция: все пациенты, прошедшие диагностические процедуры и/или лечение (предполагаемых) доброкачественных и злокачественных поражений поджелудочной железы, зарегистрированные в Голландском проекте рака поджелудочной железы (PACAP), а также здоровые люди, прошедшие КТ брюшной полости (контроль).

Основная цель: Основная конечная цель этого исследования зависит от конкретных подпроектов. Это исследование облегчит сбор больших объемов реальных данных для (будущих) проектов в области информатики. Направления заранее определенных в настоящее время подпроектов для различных участвующих центров представлены ниже:

1. PI Лоис Даамен (Региональный академический онкологический центр Утрехта, Онкологический центр UMC Утрехт): разработать объяснимый алгоритм искусственного интеллекта (XAI), который может помочь врачам в раннем выявлении местного рецидива после операции и оценке местной реакции опухоли во время (нео)адъювантного и/или окончательного лечения. химиотерапия и/или лучевая терапия у отдельных пациентов с раком поджелудочной железы с использованием общих диагностических методов. Использование анализа состава тела с глубоким обучением на основе клинически полученных изображений компьютерной томографии (КТ) для персонализированной модификации дозы химиотерапии на основе (прогнозируемых) профилей токсичности.
2. ИП Миша Луйер (Катарина Цикенхейс, Эйндховен): Улучшенная диагностика и характеристика опухолей поджелудочной железы и их связи с окружающими структурами. Раннее выявление первичного рака поджелудочной железы, резектабельность опухолей поджелудочной железы и оценка ответа на неоадъювантную химио(лучевую) терапию.
3. Жанин ван Хоофт из PI, Свен Миог (Медицинский центр Лейденского университета): (полу)автоматическая сегментация поджелудочной железы с помощью магнитно-резонансной томографии (МРТ), разработка алгоритма классификации для обнаружения первичного рака поджелудочной железы и предраковых поражений высокой степени злокачественности на МРТ, количественная оценка продольных изменений ткани поджелудочной железы на МРТ, которые могут указывать на развитие рака поджелудочной железы. Интегрировать 3D-модели радиологических методов (КТ, МРТ и ПЭТ) для лучшего прогнозирования резектабельности и ответа на лечение опухолей поджелудочной железы.
4. PI Стивен Олд Даминк (Медицинский центр Маастрихтского университета): Определить фенотип хозяина на основе медицинской визуализации (переменные состава тела и радиономика на основе анализа компьютерной томографии) у пациентов с раком поджелудочной железы для прогнозирования послеоперационных и онкологических исходов.
5. Йост Клаасс из PI (Университетский медицинский центр Гронингена) и Майк Лием (Medisch Spectrum Twente): Использование искусственного интеллекта для лечения кист поджелудочной железы.
6. PI Inez Verpalen (Медицинский центр Амстердамского университета): Разработать (1) модель оценки неоадъювантного ответа на рак поджелудочной железы с использованием компьютерной томографии (выживаемость и патология (PA) в качестве результата), (2) модель оценки резектабельности рака поджелудочной железы с использованием компьютерной томографии. , (3) многоцентровая карцинома поджелудочной железы + модель сегментации сосудов, (4) модель прогнозирования послеоперационной фистулы поджелудочной железы (ПОПФ) с использованием МРТ; (5) модель сегментации внутрипротоковых папиллярных муцинозных новообразований (IPMN) на МРТ; (6) модель оценки злокачественности ВПМН и выполнение (7) внешней проверки прогноза ПОПФ с использованием радиомикроскопии на КТ.
7. PI Bas Groot Koerkamp (Медицинский центр Эразмус): в т.ч. Проекты, связанные с PREOPANC

Сбор данных: Будут собраны следующие клинические данные:

• Возраст (лет)
• Пол
• высота (см)
• Вес (кг)
• Расчетный индекс массы тела (ИМТ; кг/м2)
• Коморбидность/оценка Американского общества анестезиологов (ASA)
• Оценка эффективности Восточной кооперативной онкологической группы (ECOG)
• Дата лечения
• Тип лечения (т.е. химиотерапия, лучевая терапия, хирургия, комбинации)
• Осложнения
• Гистопатологический диагноз
• Сосудистая резекция
• Состояние края резекции (R0/R1/R2)
• Дифференциация опухоли
• Размер опухоли
• Патологическая опухоль, узел, метастаз (pTNM) стадия
• Количество положительных лимфатических узлов
• Наличие рецидива
• Дата повторения
• Место рецидива
• Жизненный статус
• Дата смерти
• Дата последнего наблюдения. Данные будут взяты, насколько это возможно, из существующих клинических баз данных, включая базу данных «Рецидив рака поджелудочной железы в Нидерландах» (NCT04605237), которая включает большинство этих переменных.

Технические данные:

• КТ до и после лечения (последующее наблюдение)
• МРТ до и после лечения (последующее наблюдение)
• ПЭТ-КТ до и после лечения (последующее наблюдение)

Управление данными осуществляется в соответствии с Политикой управления данными UMC Utrecht, как описано в Плане управления данными. Данные собираются с использованием предварительно заданной электронной формы истории болезни в Castor EDC. Ответственность за сбор данных несут местные врачи участвующих центров. Однако они могут передать эту ответственность исследовательской группе. Исследовательская группа назначит соответствующий персонал для сбора данных.