Lungcancer Multi-omics digitala mänskliga avatarer för att integrera precisionsmedicin i klinisk praxis (LANTERN)

Patientregistrering och omics-datainsamling Syftet med denna WP är att samla in information från alla kliniska och omicsbaserade datakällor som anses vara kliniskt betydelsefulla för beslutsstöd i det omfattande arbetsflödet för diagnos och terapi för lungcancer. Ett strukturerat terminologiskt system kommer att utvecklas för framtida datainsamling genom specifika fallrapportformulär (CRF).

Patienter kommer att registreras av de dedikerade forskningsinskrivningscentra och data som erhålls från de fem omics-baserade variablerna kommer att samlas in och registreras i en säker databas.

Omics-dataarkivering och interaktionsförmåga Huvudsyftet med denna WP är att möjliggöra fullständig dataintegrering i både befintliga och nya arkiveringssystem och att säkerställa en enkel och effektiv användning och delning av insamlad omics-data.

All insamlad data som representerar de olika övervägda omics-domänerna kommer att registreras enligt en gemensam gemensam ontologi. Den delade allmänna ontologin kommer att representera ett strukturerat terminologiskt system för dataarkivering och analys där alla olika omics-domäner kommer att registreras i en specifik eCRF, vilket säkerställer koherens för alla insamlade datavariabler. Slutligen kommer de insamlade omics-relaterade data att genomgå radiomisk analys och radiomiska egenskaper kommer sedan att extraheras.

Omics datamodellering, skapande och validering av Digital Human avatar (DHA).

Denna WP är fokuserad på att utveckla korrekta prediktiva modeller (genom att skapa Digital Human Avatars (DHA)) och på deras validering. Syftet med denna WP är att identifiera effektiva primära biomarkörer, harmonisera dem genom kompakta statistiska modeller och därefter skapa patientspecifika DHA som kommer att vara unika för varje patient. Vi planerar att integrera alla ovan nämnda omics-data i prediktiva modeller som kommer att utgöra grunden för ett helt personligt och innovativt integrerat beslutsstödssystem för lungcancer. Denna WP är uppdelad i tre faser:

Fas 1: Identifiering och urval av Omics-funktioner. Fas 2: Förutsägande modellutveckling och DHA-skapande Fas 3: Prediktiv modell och DHA-validering

Omics har identifiering och urval:

I det första steget kommer en utforskande analys över alla insamlade datauppsättningar från en uppskattning av ≈ 240 NSCLC-patienter att möjliggöra starten av biomarköridentifieringsprocessen och begränsa den gjutna mängden information till en mer utvald pool av potentiella biomarkörer. Denna första fas kommer att använda robusta dataanalystekniker för att identifiera relevanta variabler i en univariat miljö, med hänsyn till individuella statistiska fördelningar, funktionsrelevanta korrelationer och allmän beskrivande statistik.

Prediktiv modellutveckling och DHA-skapande:

Syftet med den andra fasen är att skapa flera distinkta men modulära multivariata modeller som kommer att tränas genom avancerade ML- och AI-tekniker, segmenterade i specifika modulära intresseområden och det efterföljande skapandet av DHA. Olika övervakade modeller kommer att utvecklas inklusive logistisk regression, beslutsträd, stödvektormaskin, slumpmässig skog, XGBoost-klassificerare och artificiella neurala nätverk. Den k-faldiga korsvalideringen kommer att användas för justering av hyperparametrar och jämförelse av statistisk signifikans av ML-modellernas prestanda kommer att utföras. Detta kommer att göras för att utvärdera prediktiva prestationer baserat på noggrannhet (antal försökspersoner korrekt klassificerat på det totala antalet patienter) och precision (true positivt på totalt test positivt, återkallande (känslighet), F1-poäng (2*precision*återkallelse/(precision) +återkalla)) och AUC-ROC.

Skapandet av DHA kommer att involvera integrering av specifika algoritmer i dataextraktionspipelinen för att rensa och omstrukturera dataflödet, samtidigt som textutvinning och naturligt språkbehandlingsteknik tillämpas på de ostrukturerade texterna. Resultaten av denna förbearbetning kommer sedan att kodas om genom en specifikt tilldelad ontologi för att avslöja dubbletter. Detta leder till skapandet av data Marts som kommer att uppdateras kontinuerligt och automatiskt med ny data. Baserat på tillgänglig data som redan har bearbetats kommer den utvecklade algoritmen och dess underliggande infrastruktur att användas för att klassificera nyligen uppdaterade patientdatainmatningar av kliniker som använder gränssnittet. Den resulterande data som presenteras via det dynamiska gränssnittet tillåter en grundlig utforskning av tidigare tillagda patientdata som redan finns i databasen, för att sluta sig till det bästa tillvägagångssättet baserat på historiska data och läkarens erfarenhet. Detta kommer att leda till ett mer generaliserat utforskningsarbetsflöde som kommer att fungera som en hypotesgenerator för användaren, genom att gruppera information baserad på anpassade kriterier, och därigenom generera en utforskande analys av tillgänglig data.

Utredarna uppskattar att cirka 300 NSCLC-fall med fullständiga data kommer att vara tillräckliga för att starta denna process. Både användarvänlighet och modellförklaring kommer att fungera som den primära standarden för modellutvecklingsstrategierna. Lätttolkbara värden som SHAP-värden (SHapley Additive ExPlanations) kommer att kopplas till varje modell för att undvika svarta lådan som kan göra modellutdata svåra att förklara för patienterna under deras interaktioner med klinikerna.

Prediktiv modell och DHA-validering: Både den utvecklade modellen och den omfattande DHA kommer att valideras för att testa deras robusthet, överförbarhet och generaliserbarhet. Två på varandra följande valideringsstrategier kommer att användas: intern och extern valideringsteknik. Vi uppskattar ett totalt antal av cirka 420 NSCLC-fall för att starta valideringsprocessen. Denna process kommer att omfatta både intern och extern validering.