- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06317948
Förbättring av strålbehandlingens kvalitet genom multiinstitutionella kunskapsbaserade planeringsoptimeringsmodeller (Akronym: MIKAPOCo, Multi-Institutional Knowledge-based Approach in Plan Optimization for the Community) (MIKAPOCo)
Förbättra strålbehandlingens kvalitet genom kunskapsbaserade planeringsoptimeringsmodeller för flera institutioner
Vår centrala hypotes är att det är möjligt att skapa bibliotek av "konsekventa" Kunskapsbaserade planmodeller härledda från stora institutionella erfarenheter. Dessa bibliotek kan användas för att styra automatiserad RT-planering och fungera som verktyg för att hjälpa centra för plankvalitetssäkring (QA) och planförutsägelse.
Kvantifiering av interinstitutionell variation av RT-planering och byggnadsbibliotek av utbytbara och validerade multi-institutionella KB-planförutsägelsemodeller förväntas påverka kvaliteten på planering på nationell nivå. Projektet har potentialen att underlätta introduktionen av AI-metoder i planoptimering, och på så sätt minska planeringsvariabiliteten inom och mellan instituten. Att förbättra plankvaliteten förväntas leda till bättre resultat efter RT när det gäller lokal kontroll och, ännu mer, av biverkningar och livskvalitet. Positiva effekter förväntas också vid patienturval för avancerade tekniker, vid planrevision och planoptimering i kliniska prövningar, i teknikjämförelser och kostnads-nyttoanalyser samt inom RT-utbildningsområdet.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Huvudmål
- Att skapa bibliotek med konsekvent genererade KB-modeller för patienter som behandlats med RT för bröst- och prostatacancer och för utvalda tillämpningar för stereotaktisk kropp RT (SBRT) baserat på erfarenheten från många italienska institutioner; att kvantifiera variabiliteten mellan olika institut i homogena patientklasser.
- Att gruppera modeller utifrån deras egenskaper och utbytbarhet. Att bedöma grupper av mycket utbytbara modeller som ska övervägas för multi-institutionella dos-volym histogram (DVH) förutsägelser.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studieorter
-
-
-
Milano, Italien, 20133
- IRCCS Ospedale San Raffaele
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
Verkliga konsekutiva (eller slumpmässigt valda) plandata för patienter som behandlats för prostatacancer, bröstcancer och för utvalda SBRT-situationer (ryggrad och prostata, enligt RTOG 0631 respektive 0938-scheman) under de senaste 10 åren.
Det minsta antalet patienter i testkohorten som ska beaktas för att bedöma skillnader mellan institutioner (dvs: inter-modeller) i DVH och dosstatistik förutsägelse måste bedömas. För att göra en meningsfull uppskattning av det maximala antalet som behövs för att uppskatta skillnader, kan vi fokusera på planeringssituationen med den största förväntade standardiseringsnivån (dvs. att förvänta oss relativt liten variation inom och mellan instituten) och anta att de återstående situationerna är mer benägna att variera. Detta "värsta fall" identifierades vid behandling av vänster bröstcancer med tangentiell fältbestrålning, med fokus på medeldosen till hjärtat, som anses vara associerad med långvarig hjärtmortalitet. Baserat på pilotdata från PI-centret är den genomsnittliga populationsdosen till hjärtat 2,7 Gy med SD lika med 0,9 Gy, med en gaussisk fördelning av värden inom en population på 103 på varandra följande patienter. Med tanke på att en systematisk förskjutning på 1,3 Gy är kliniskt relevant (motsvarande en ökad hjärtdödlighet på 5 % [27]), är det minsta antalet patienter som krävs för att upptäcka en sådan skillnad med 80 % kraft n=8 per centrum (alfa: 0,05) ).
Exklusions kriterier:
-
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
modell utbytbarhet
Tidsram: 3 år
|
utbytbarhet kommer att bedömas genom att ta hänsyn till: a) andelen patienter som identifierats som "anatomiavvikande" (i termer av utom de geometriska egenskaperna (GF) gränsen för varje enskild modell) när modellen som kommer från institut X har tillämpats på patienter vid institutet Y (modX-Y) och vice versa (modY-X); b) de relativa skillnaderna i DVH-förutsägelser mellan modX-Y och modY-X, inklusive och inte inklusive de tidigare erkända "GF-outlier"-patienterna.
Baserat på dessa resultat och på deras kliniska tolkning kommer undergrupper av KB-modeller med "hög" utbytbarhet att preliminärt identifieras och sambanden mellan GF och utbytbarhet kvantifieras.
|
3 år
|
Samarbetspartners och utredare
Sponsor
Utredare
- Huvudutredare: Claudio Fiorino, Msc, IRCCS Ospedale San Raffaele
Publikationer och användbara länkar
Allmänna publikationer
- Esposito PG, Castriconi R, Mangili P, Broggi S, Fodor A, Pasetti M, Tudda A, Di Muzio NG, Del Vecchio A, Fiorino C. Knowledge-based automatic plan optimization for left-sided whole breast tomotherapy. Phys Imaging Radiat Oncol. 2022 Jun 23;23:54-59. doi: 10.1016/j.phro.2022.06.009. eCollection 2022 Jul.
- Tudda A, Castriconi R, Benecchi G, Cagni E, Cicchetti A, Dusi F, Esposito PG, Guernieri M, Ianiro A, Landoni V, Mazzilli A, Moretti E, Oliviero C, Placidi L, Rambaldi Guidasci G, Rancati T, Scaggion A, Trojani V, Fiorino C. Knowledge-based multi-institution plan prediction of whole breast irradiation with tangential fields. Radiother Oncol. 2022 Oct;175:10-16. doi: 10.1016/j.radonc.2022.07.012. Epub 2022 Jul 19.
- Monticelli D, Castriconi R, Tudda A, Fodor A, Deantoni C, Gisella Di Muzio N, Mangili P, Del Vecchio A, Fiorino C, Broggi S. Knowledge-based plan optimization for prostate SBRT delivered with CyberKnife according to RTOG0938 protocol. Phys Med. 2023 Jun;110:102606. doi: 10.1016/j.ejmp.2023.102606. Epub 2023 May 15.
- Castriconi R, Esposito PG, Tudda A, Mangili P, Broggi S, Fodor A, Deantoni CL, Longobardi B, Pasetti M, Perna L, Del Vecchio A, Di Muzio NG, Fiorino C. Replacing Manual Planning of Whole Breast Irradiation With Knowledge-Based Automatic Optimization by Virtual Tangential-Fields Arc Therapy. Front Oncol. 2021 Aug 24;11:712423. doi: 10.3389/fonc.2021.712423. eCollection 2021.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- IG23150
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .