- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT06124989
Машинное обучение для оценки риска рецидива при остром билиарном панкреатите. (MINERVA)
Новая модель машинного обучения для прогнозирования рецидива острого билиарного панкреатита (Машинное обучение для оценки риска рецидива при остром билиарном панкреатите - MINERVA)
Проект MINERVA (Машинное обучение для оценки риска рецидива при остром билиарном панкреатите) обусловлен необходимостью в клинической практике принятия оперативного решения у пациентов, поступивших в больницу с диагнозом острый билиарный панкреатит. В частности, проспективное когортное исследование MINERVA направлено на разработку прогностической шкалы, которая позволит с помощью машинного обучения и искусственного интеллекта оценить риск повторной госпитализации пациентов с диагнозом «легкий билиарный острый панкреатит».
Целями исследования MINERVA являются:
- Предложить новую методику оценки риска рецидива у больных острым билиарным панкреатитом легкой степени тяжести, которым не была выполнена ранняя холецистэктомия (в течение 3–7 дней с момента поступления в стационар);
- Предложите прогнозную модель машинного обучения с использованием архитектуры глубокого обучения, применимой к легко собираемым данным;
- Подтвердить оценку MINERVA на обширной, многоцентровой, проспективной когорте;
- Предоставьте национальным и международным врачам, медицинскому персоналу, исследователям и широкой аудитории свободный и простой доступ к расчету баллов MINERVA и используйте их в своей повседневной клинической практике.
Модель оценки MINERVA будет разработана на ретроспективной когорте пациентов (MANCTRA-1, уже зарегистрированная на ClinicalTrials.gov). и будет проверен на новой перспективной мультицентрической когорте. После проверки оценка MINERVA станет бесплатной и ее можно будет легко рассчитать мгновенно для всего медицинского персонала; он будет доступен в любое время на веб-сайте и в веб-приложении MINERVA и обеспечит немедленный и надежный результат, который может стать четким указанием на лучший путь лечения для врача и пациента.
Обзор исследования
Статус
Условия
Вмешательство/лечение
Подробное описание
Острый панкреатит является наиболее распространенным заболеванием поджелудочной железы, его частота в мире составляет 34 случая на 100 000 человек. Это заболевание ежегодно регистрирует более 1,5 миллионов новых пациентов во всем мире, при этом смертность приближается к 1%. Пациентов с легким билиарным острым панкреатитом при поступлении в больницу можно лечить индексной, ранней холецистэктомией (в течение 3–7 дней от острого эпизода) или консервативно. Хотя консервативное лечение может быть решающим, до 35% этих пациентов имеют рецидив в течение 30 дней и требуют экстренной операции при значительно худшем общем состоянии пациента, что снижает шансы на успех. Помимо этого, рецидив резко увеличивает вероятность развития хронического панкреатита, рака поджелудочной железы, послеоперационных осложнений и общей смертности. Эпизоды рецидивов также оказывают экономическое воздействие на медицинские учреждения, поскольку повторная и более длительная госпитализация одного пациента увеличивает общие медицинские затраты на одного пациента как минимум на 100%. Однако до сих пор не существует стандартизированных методов прогнозирования рецидива острого билиарного панкреатита у пациентов, которым не была выполнена ранняя холецистэктомия после первого эпизода острого билиарного панкреатита легкой степени тяжести.
Проект MINERVA (Машинное обучение для оценки риска рецидива при остром билиарном панкреатите) обусловлен необходимостью в клинической практике принятия оперативного решения у пациентов, поступающих в стационар с диагнозом острый билиарный панкреатит легкой степени тяжести.
Проект MINERVA направлен на достижение следующих целей и результатов:
- Предложить новую методологию оценки риска рецидива у пациентов с легким билиарным острым панкреатитом, которым не была выполнена ранняя холецистэктомия после первого эпизода легкого билиарного острого панкреатита;
- Предложить прогнозирующую модель машинного обучения с использованием архитектуры глубокого обучения, применяемой к данным, которые легко получить от пациентов;
- Подтвердить оценку MINERVA на обширной, многоцентровой, проспективной когорте;
- Предоставьте национальным и международным врачам, медицинскому персоналу, исследователям и широкой аудитории свободный и простой доступ к расчету баллов MINERVA и используйте их в своей повседневной клинической практике.
Шкала MINERVA предоставит врачам проверенную и стандартизированную оценку риска рецидива, которая учитывает личный анамнез, демографические данные и лабораторные характеристики каждого пациента. Оценка MINERVA будет бесплатной, и ее можно будет легко рассчитать мгновенно для всего медицинского персонала; он будет доступен в любое время на веб-сайте и в веб-приложении MINERVA и обеспечит немедленный и надежный результат, который может стать четким указанием на лучший путь лечения для врача и пациента.
Модель оценки MINERVA будет разработана на ретроспективной когорте пациентов (MANCTRA-1, уже зарегистрированная на ClinicalTrials.gov). и будет проверен на новой перспективной мультицентрической когорте.
Ретроспективная когорта Разработка модели и первоначальное обучение будут проводиться на ретроспективной когорте пациентов (n=692), собранной в ходе предварительного многоцентрового исследования MANCTRA-1 (одобренного Комитетом по этике больницы Университета Кальяри, MANCTRA-1). - NCT04747990, прот. PG/2021/7108), проведенный ИП (д-р. Мауро Подда) и местный ответственный за проект MINERVA из Университета Кальяри.
Проспективная когорта В проспективную когорту исследования MINERVA будут включены в общей сложности 430 пациентов.
Методы. Оценка MINERVA будет основана на модели машинного обучения, которая будет разработана и обучена на ретроспективной когорте и проверена на перспективной когорте пациентов.
Все переменные модели будут обработаны с помощью анализа главных компонентов ядра (kPCA).
Будет вычислена выпуклая оболочка диаграммы рассеяния основных компонентов и выделен наименьший прямоугольник. Прямоугольник будет преобразован в 2D-изображение с фиксированным разрешением с использованием усреднения и нормализации признаков.
Модель будет разработана в Неаполитанском университете имени Федерико II доктором Даниэлой Паселлой под руководством специалиста по машинному обучению.
Чтобы предотвратить переобучение, набор данных будет разделен на обучающий набор, тестовый набор и набор проверки. Кроме того, будет использоваться k-кратная перекрестная проверка. Производительность модели MINERVA будет оцениваться с использованием наиболее распространенных показателей точности, таких как точность, полнота и AUC (площадь под кривой ROC). Кроме того, его производительность будет сравниваться с показателями, достигнутыми с помощью традиционных методов машинного обучения (SVM, ANN). Недостающие данные будут обработаны методами вменения.
Переменные Возраст (лет) Пол (мужчина:женщина) Предыдущие эпизоды билиарного панкреатита (да; нет) Специализация госпитализации (гепатопанкреатобилиарная хирургия, общая хирургия, терапия, гастроэнтерология) Индекс массы тела -ИМТ- (кг/м2) Клинический анамнез диабета (Нет диабета; Да с органной дисфункцией; Да без органной дисфункции) Клинический анамнез хронической болезни легких (Да; Нет) Клинический анамнез гипертонии (Да; Нет) Клинический анамнез фибрилляции предсердий (Да; Нет) Клинический анамнез ишемической болезни сердца (Да; Нет) Клинический анамнез хронической болезни почек (Нет; Да на фоне приема лекарств; Да при постоянной заместительной почечной терапии или при подготовке к ней) Клинический анамнез заболеваний системы кроветворения (Да; Нет) Пациент на иммунодепрессивных препаратах в стационаре госпитализация (Да; Нет) Лейкоциты -WBC- (клеток/мм3) Нейтрофилы (клеток/мм3) Тромбоциты (Plt/мм3) МНО (международное нормализованное соотношение) С-реактивный белок -CRP- (мг/л) Аспартатаминотрансфераза - АСТ- (Ед/л) Аланинаминотрансфераза -АЛТ- (Ед/л) Общий билирубин (мг/дл) Конъюгированный билирубин (мг/дл) Гамма-глутамилтранспептидаза -ГГТ- (Ед/л) Сывороточная амилаза (Ед/л) ) Сывороточная липаза (Ед/л) Лактатдегидрогеназа -ЛДГ- (Ед/л) Холедохолитиаз (Да; Да, при обструкции общего желчного протока; Нет) Холангит (Да; Нет) ЭРХПГ со сфинктеротомией (Да в течение 24 часов с момента поступления в стационар; Да в течение 24–48 часов с момента поступления в стационар; Да в течение 48–72 часов с момента поступления в стационар; Нет) Рецидив острого билиарного панкреатита на 30-й день, 60- день, 90 дней, 1 год.
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Контакты исследования
- Имя: Mauro Podda, MD
- Номер телефона: 07051096571
- Электронная почта: mauro.podda@unica.it
Места учебы
-
-
CA
-
Cagliari, CA, Италия, 09120
- University of Cagliari, Emergency Surgery Department
-
Младший исследователь:
- Gianluca Pellino, MD, PhD
-
Контакт:
- Mauro Podda, MD
- Электронная почта: mauro.podda@unica.it
-
Младший исследователь:
- Daniela Pacella, MD, PhD
-
Младший исследователь:
- Dario Bruzzese, MD, PhD
-
Младший исследователь:
- Adolfo Pisanu, MD, PhD
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Взрослые пациенты (≥ 18 лет)
- Клинический диагноз острого билиарного панкреатита легкой степени тяжести (согласно пересмотренной Атлантской классификации)
- Не подвергались холецистэктомии или ЭРХПГ/ЭС (эндоскопической ретроградной холангиопанкреатографии/эндоскопической сфинктеротомии) во время одной и той же госпитализации.
Критерий исключения:
- Острый панкреатит иной этиологии, чем желчнокаменная;
- Средне-тяжелый панкреатит;
- Тяжелый панкреатит;
- Наличие панкреонекроза;
- Беременные пациентки;
- Пациенты, не имеющие возможности подписать информированное согласие на участие в исследовании.
Учебный план
Как устроено исследование?
Детали дизайна
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Число больных с рецидивом билиарного острого панкреатита.
Временное ограничение: 30 дней, 60 дней, 90 дней, 1 год
|
Число пациентов с рецидивом билиарного острого панкреатита: прогнозирование риска рецидива острого билиарного панкреатита у пациентов после первого эпизода легкого билиарного острого панкреатита (по пересмотренной Атлантской классификации 2012 г.), не обратившихся на раннее (в течение трех-семи дней от начала) острый эпизод) холецистэктомия.
Этот результат будет достигнут путем разработки и проверки новой шкалы риска.
|
30 дней, 60 дней, 90 дней, 1 год
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Точность модели MINERVA.
Временное ограничение: 30 дней, 60 дней, 90 дней, 1 год
|
Точность, чувствительность и специфичность (AUC, площадь под кривой ROC) модели машинного обучения MINERVA по сравнению с другими традиционными моделями машинного обучения, ранее принятыми в литературе (такими как ANN и SVM), а также со статистическими моделями (такими как множественная регрессия).
|
30 дней, 60 дней, 90 дней, 1 год
|
Соавторы и исследователи
Спонсор
Следователи
- Учебный стул: Mauro Podda, MD, University of Cagliari, Department of Surgical Science
Публикации и полезные ссылки
Общие публикации
- Werner J, Hartwig W, Uhl W, Muller C, Buchler MW. Useful markers for predicting severity and monitoring progression of acute pancreatitis. Pancreatology. 2003;3(2):115-27. doi: 10.1159/000070079.
- Sankaran SJ, Xiao AY, Wu LM, Windsor JA, Forsmark CE, Petrov MS. Frequency of progression from acute to chronic pancreatitis and risk factors: a meta-analysis. Gastroenterology. 2015 Nov;149(6):1490-1500.e1. doi: 10.1053/j.gastro.2015.07.066. Epub 2015 Aug 20.
- Gurusamy KS, Nagendran M, Davidson BR. Early versus delayed laparoscopic cholecystectomy for acute gallstone pancreatitis. Cochrane Database Syst Rev. 2013 Sep 2;(9):CD010326. doi: 10.1002/14651858.CD010326.pub2.
- da Costa DW, Bouwense SA, Schepers NJ, Besselink MG, van Santvoort HC, van Brunschot S, Bakker OJ, Bollen TL, Dejong CH, van Goor H, Boermeester MA, Bruno MJ, van Eijck CH, Timmer R, Weusten BL, Consten EC, Brink MA, Spanier BWM, Bilgen EJS, Nieuwenhuijs VB, Hofker HS, Rosman C, Voorburg AM, Bosscha K, van Duijvendijk P, Gerritsen JJ, Heisterkamp J, de Hingh IH, Witteman BJ, Kruyt PM, Scheepers JJ, Molenaar IQ, Schaapherder AF, Manusama ER, van der Waaij LA, van Unen J, Dijkgraaf MG, van Ramshorst B, Gooszen HG, Boerma D; Dutch Pancreatitis Study Group. Same-admission versus interval cholecystectomy for mild gallstone pancreatitis (PONCHO): a multicentre randomised controlled trial. Lancet. 2015 Sep 26;386(10000):1261-1268. doi: 10.1016/S0140-6736(15)00274-3.
- Ahmed Ali U, Issa Y, Hagenaars JC, Bakker OJ, van Goor H, Nieuwenhuijs VB, Bollen TL, van Ramshorst B, Witteman BJ, Brink MA, Schaapherder AF, Dejong CH, Spanier BW, Heisterkamp J, van der Harst E, van Eijck CH, Besselink MG, Gooszen HG, van Santvoort HC, Boermeester MA; Dutch Pancreatitis Study Group. Risk of Recurrent Pancreatitis and Progression to Chronic Pancreatitis After a First Episode of Acute Pancreatitis. Clin Gastroenterol Hepatol. 2016 May;14(5):738-46. doi: 10.1016/j.cgh.2015.12.040. Epub 2016 Jan 6.
- Bagepally BS, Haridoss M, Sasidharan A, Jagadeesh KV, Oswal NK. Systematic review and meta-analysis of gallstone disease treatment outcomes in early cholecystectomy versus conservative management/delayed cholecystectomy. BMJ Open Gastroenterol. 2021 Jul;8(1):e000675. doi: 10.1136/bmjgast-2021-000675.
- Chen Y, Chen TW, Wu CQ, Lin Q, Hu R, Xie CL, Zuo HD, Wu JL, Mu QW, Fu QS, Yang GQ, Zhang XM. Radiomics model of contrast-enhanced computed tomography for predicting the recurrence of acute pancreatitis. Eur Radiol. 2019 Aug;29(8):4408-4417. doi: 10.1007/s00330-018-5824-1. Epub 2018 Nov 9.
- Cho JH, Jeong YH, Kim KH, Kim TN. Risk factors of recurrent pancreatitis after first acute pancreatitis attack: a retrospective cohort study. Scand J Gastroenterol. 2020 Jan;55(1):90-94. doi: 10.1080/00365521.2019.1699598. Epub 2019 Dec 10.
- Ding N, Guo C, Li C, Zhou Y, Chai X. An Artificial Neural Networks Model for Early Predicting In-Hospital Mortality in Acute Pancreatitis in MIMIC-III. Biomed Res Int. 2021 Jan 28;2021:6638919. doi: 10.1155/2021/6638919. eCollection 2021.
- Hong WD, Chen XR, Jin SQ, Huang QK, Zhu QH, Pan JY. Use of an artificial neural network to predict persistent organ failure in patients with acute pancreatitis. Clinics (Sao Paulo). 2013 Jan;68(1):27-31. doi: 10.6061/clinics/2013(01)rc01. No abstract available.
- Mashayekhi R, Parekh VS, Faghih M, Singh VK, Jacobs MA, Zaheer A. Radiomic features of the pancreas on CT imaging accurately differentiate functional abdominal pain, recurrent acute pancreatitis, and chronic pancreatitis. Eur J Radiol. 2020 Feb;123:108778. doi: 10.1016/j.ejrad.2019.108778. Epub 2019 Dec 11.
- Hu X, Yang B, Li J, Bai X, Li S, Liu H, Zhang H, Zeng F. Individualized Prediction of Acute Pancreatitis Recurrence Using a Nomogram. Pancreas. 2021 Jul 1;50(6):873-878. doi: 10.1097/MPA.0000000000001839.
- Loozen CS, Oor JE, van Ramshorst B, van Santvoort HC, Boerma D. Conservative treatment of acute cholecystitis: a systematic review and pooled analysis. Surg Endosc. 2017 Feb;31(2):504-515. doi: 10.1007/s00464-016-5011-x. Epub 2016 Jun 17.
- Mador BD, Panton ON, Hameed SM. Early versus delayed cholecystectomy following endoscopic sphincterotomy for mild biliary pancreatitis. Surg Endosc. 2014 Dec;28(12):3337-42. doi: 10.1007/s00464-014-3621-8. Epub 2014 Jun 25.
- Nebiker CA, Frey DM, Hamel CT, Oertli D, Kettelhack C. Early versus delayed cholecystectomy in patients with biliary acute pancreatitis. Surgery. 2009 Mar;145(3):260-4. doi: 10.1016/j.surg.2008.10.012. Epub 2009 Feb 1.
- Riquelme F, Marinkovic B, Salazar M, Martinez W, Catan F, Uribe-Echevarria S, Puelma F, Munoz J, Canals A, Astudillo C, Uribe M. Early laparoscopic cholecystectomy reduces hospital stay in mild gallstone pancreatitis. A randomized controlled trial. HPB (Oxford). 2020 Jan;22(1):26-33. doi: 10.1016/j.hpb.2019.05.013. Epub 2019 Jun 22.
- Schmidt M, Sondenaa K, Vetrhus M, Berhane T, Eide GE. A randomized controlled study of uncomplicated gallstone disease with a 14-year follow-up showed that operation was the preferred treatment. Dig Surg. 2011;28(4):270-6. doi: 10.1159/000329464. Epub 2011 Jul 9.
- Sharma A, Vans E, Shigemizu D, Boroevich KA, Tsunoda T. DeepInsight: A methodology to transform a non-image data to an image for convolution neural network architecture. Sci Rep. 2019 Aug 6;9(1):11399. doi: 10.1038/s41598-019-47765-6.
- Stevens CL, Abbas SM, Watters DA. How Does Cholecystectomy Influence Recurrence of Idiopathic Acute Pancreatitis? J Gastrointest Surg. 2016 Dec;20(12):1997-2001. doi: 10.1007/s11605-016-3269-x. Epub 2016 Sep 23.
- Umans DS, Hallensleben ND, Verdonk RC, Bouwense SAW, Fockens P, van Santvoort HC, Voermans RP, Besselink MG, Bruno MJ, van Hooft JE; Dutch Pancreatitis Study Group. Recurrence of idiopathic acute pancreatitis after cholecystectomy: systematic review and meta-analysis. Br J Surg. 2020 Feb;107(3):191-199. doi: 10.1002/bjs.11429. Epub 2019 Dec 25.
- Yamashita R, Nishio M, Do RKG, Togashi K. Convolutional neural networks: an overview and application in radiology. Insights Imaging. 2018 Aug;9(4):611-629. doi: 10.1007/s13244-018-0639-9. Epub 2018 Jun 22.
- Yuan X, Xu B, Wong M, Chen Y, Tang Y, Deng L, Tang D. The safety, feasibility, and cost-effectiveness of early laparoscopic cholecystectomy for patients with mild acute biliary pancreatitis: A meta-analysis. Surgeon. 2021 Oct;19(5):287-296. doi: 10.1016/j.surge.2020.06.014. Epub 2020 Jul 22.
- Zhou Y, Ge YT, Shi XL, Wu KY, Chen WW, Ding YB, Xiao WM, Wang D, Lu GT, Hu LH. Machine learning predictive models for acute pancreatitis: A systematic review. Int J Med Inform. 2022 Jan;157:104641. doi: 10.1016/j.ijmedinf.2021.104641. Epub 2021 Nov 10.
Даты записи исследования
Изучение основных дат
Начало исследования (Оцененный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Оцененный)
Обновления учебных записей
Последнее опубликованное обновление (Оцененный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- MINERVA_1
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Совместное использование IPD Поддерживающий тип информации
- STUDY_PROTOCOL
- САП
- МКФ
- КСО
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .