Detektering av kolorektal cancer hos patienter med ett positivt fekalt immunokemiskt test med hjälp av en elektronisk näsanordning (AeoNoseTM)

Studiemotiv:

Koloskopi spelar en nyckelroll i alla screeningmetoder för kolorektal cancer (CRC). En viktig begränsning för koloskopi kvarstår att den diagnostiska noggrannheten och den terapeutiska säkerheten för koloskopi båda beror på flera läkare och patientrelaterade faktorer. Betydande mängder polyper missas under koloskopi och allvarliga ogynnsamma effekter förekommer fortfarande i 0,1-0,3 % av alla koloskopiprocedurer, även bland experter. Dessutom påverkar procedurens betungande karaktär och nödvändigheten av fullständig tarmförberedelse deltagandegraden negativt och användningen av koloskopi som ett CRC-screeningstest begränsas av sjukvårdskostnader och den expertis som behövs för att utföra screeningen. Dessa nackdelar med koloskopi motiverar utvecklingen av ett nytt, icke-invasivt, exakt CRC-screeningtest.

En elektronisk näsanordning är ett artificiellt luktsystem som analyserar flyktiga organiska föreningar (VOC) i utandningsluften. Användningen av elektroniska näsor har redan bedömts som ett potentiellt icke-invasivt diagnostiskt biomarkörtest för lungcancer, bröstcancer och maligna melanom. Den här studien syftar till att undersöka den diagnostiska noggrannheten av utandningsanalys med AeonoseTM (The eNose Company, Zutphen, Nederländerna) för att särskilja andedräkten hos patienter som misstänks för CRC (baserat på ett positivt fekalt immunokemiskt test (FIT)), som är verkligen diagnostiserats med CRC, från patienter som misstänks för CRC hos vilka denna diagnos avvisas efter koloskopi.

Mål:

• Att undersöka den diagnostiska noggrannheten för analys av utandningsandning med AeonoseTM för att särskilja andedräkten hos patienter som misstänks för CRC baserat på ett positivt FIT-test, som verkligen är diagnostiserade med CRC, från patienter som misstänks för CRC hos vilka denna diagnos avvisas efter koloskopi.
• För att undersöka den diagnostiska noggrannheten av utandningsanalys med AeonoseTM för andra (pre-)maligna kolonskador (t.ex. avancerade adenom, icke-avancerade adenom och sittande tandade lesioner).
• För att bedöma acceptansgraden för att använda AeonoseTM-enheten.

Studiedesign: Den nuvarande multicenterstudien kommer att omfatta 1950 FIT-positiva patienter. Studien kommer att genomföras på sju sjukhus i Nederländerna. Först kommer en databas med andningsutskrifter att utvecklas för att upptäcka CRC. I denna studiefas kommer AeonoseTM att tränas och databasen med andningsutskrifter kommer att verifieras med hjälp av "lämna 10% ute" korsvalidering. Efter kalibreringsfasen kommer den diagnostiska noggrannheten för AeonoseTM att bedömas hos nya studiepatienter (extern validering).

Studiepopulation: Patienter mellan 55 och 75 år med positivt FIT-test remitterade till koloskopi.

Huvudstudieparametrar/endpoints:

• Förmågan hos AeonoseTM att skilja mellan patienter med och utan CRC i en FIT-positiv population vad gäller sensitivitet och specificitet.
• Den diagnostiska noggrannheten för AeonoseTM för andra (pre-)maligna kolonskador.
• Acceptansgrad för AeonoseTM

Statistisk analys:

Data om demografiska egenskaper och baslinjeegenskaper kommer att sammanfattas för kontinuerliga variabler, vid normalfördelning med medelvärde och standardavvikelse, och vid icke-normalfördelning efter median- och interkvartilintervall. För diskreta variabler (t.ex. ras och kön) kommer data att sammanfattas med proportioner (procentandelar). Skillnader i baslinjeegenskaper kommer att bestämmas med hjälp av oberoende prov t-test, Fishers exakta test eller chi-kvadrattest, när så är lämpligt. Ett 2-sidigt p-värde <0,05 anses vara statistiskt signifikant.

Data kommer att analyseras av ett artificiellt neuralt nätverk (ANN) för att identifiera dataklassificerare för att extrahera skillnader mellan mönstren hos patienter genom närvaro eller frånvaro av CRC i biopsier. Genom att analysera en grupp av andningsavtryck från patienter med och utan CRC kan individuella skillnader i kost, mediciner, samsjukligheter och andra faktorer filtreras bort för att identifiera egenskaper som särskiljer föreningarna hos patienter med CRC. Denna process fortsätter tills en vald nivå av diskriminering uppnås. Datakomprimering och ANN har integrerats i ett proprietärt mjukvarupaket (Aethena) från eNose Company (Zutphen, Nederländerna).

De binära resultaten kommer att presenteras i ett spridningsdiagram och en kurva för mottagarens funktionskarakteristik (ROC-kurva). Matthews korrelationskoefficienter kommer att beräknas för att mäta kvaliteten på binära klassificeringar. Korsvalidering av data kommer att utföras med hjälp av en leave-10%-out-metod. En del av datan utelämnas för att förutsäga den mest optimala modellen.