Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Expertkonsensus och artificiell intelligens i medicinskt beslutsfattande hos patienter med maligna hjärntumörer (EC-AIM Brain)

14 oktober 2024 uppdaterad av: Tufts Medical Center

En undersökningsbaserad studie som bedömer möjligheten att använda standardiserade kliniska vinjetter för att hjälpa till med medicinska beslut hos patienter med maligna hjärntumörer

Nästan 23 000 vuxna diagnostiseras med malignitet i primära centrala nervsystemet (CNS) årligen. Ytterligare 200 000 vuxna diagnostiseras med hjärnmetastaser. Det finns betydande variationer i CNS-tumörbehandling. Men på grund av betydande heterogenitet i patientbaslinjefaktorer är det svårt att identifiera omotiverad variation. Ghogawala et al har tidigare visat att bland patienter som genomgår kirurgisk behandling av cervikal myelopati och lumbal degenerativ ryggradssjukdom kan en expertpanel bestående av kirurgexperter identifiera variationer i föreslagna kirurgiska ingrepp och visat överlägsna patientresultat när den utförda operationen matchade proceduren som rekommenderas av expertkonsensus. Expertpanelundersökningar har inte tidigare använts för att identifiera variationer i vården bland patienter med CNS-malignitet.

Det primära syftet är att avgöra om patientresultaten är överlägsna när behandlingen överensstämmer med rekommendationer gjorda av en klinisk expert neurokirurgisk panel. Studien syftar också till att identifiera patientfaktorer som predisponerar för variation i vården. Vårt långsiktiga mål är att avgöra om prediktiva artificiella inlärningsalgoritmer kan uppnå samma resultat, eller bättre, som kliniska expertpaneler, men med större effektivitet och större kapacitet att vara tillgängliga för fler patienter. Utredarna antar att:

  • När ett team på 10 medicinska experter har mer än 80 % konsensus om optimal behandling och när läkaren och patienten väljer den specifika behandlingen, är resultatet bättre än när en patient och läkare väljer en alternativ procedur.
  • När ett team på 10 medicinska experter har mer än 80 % konsensus om optimal behandling, kan den strukturerade data som används av experterna bearbetas och tränas av datoralgoritmer för att förutsäga mönstret som experterna känner igen - dvs. - datorn kan förutsäga hur en expert panelen skulle rösta.

Procedurerna inkluderar följande:

  1. Diagramöversiktsdel av studien: Patienter kommer att identifieras från fallloggar från huvudutredarna från juli 2017 till juli 2023. Data kommer att samlas in retrospektivt och kommer att inkludera ålder, icke-identifierande demografi, diagnosdetaljer, operations-/behandlingsegenskaper, efterbehandlingsegenskaper och uppföljningsegenskaper. Bilder som granskas kommer att inkludera MRI före och efter behandling som erhållits som en del av rutinvård. Data kommer att abstraheras från journalen (Epic/Soarian och PACS) och registreras i en Excel-databas.
  2. Enkätdel av studien: Avidentifierade strukturerade radiografiska data och en kort klinisk vinjett utan patientidentifierare kommer att laddas upp till Acesis Healthcare Process Optimization Platform (http://www.acesis.com/our-platform). En undersökning kommer att genereras av Acesis och skickas till ämnesexperterna/deltagarna via e-post. Denna del är prospektiv.
  3. Kohortdefinitioner:

    1. Patienterna kommer att tilldelas antingen "expert-treatment consensus" eller "ingen expert-treatment consensus"-arm baserat på om mer än 80 % konsensus uppnås
    2. Patienterna kommer att tilldelas antingen "Expert konsensus-aligned" eller "Expert consensus - unaligned" armar baserat på om expertundersökningsresultat matchar den faktiska behandlingen som ges.
  4. Data kommer sedan att analyseras med hjälp av lämpliga paket med SAS statistisk analysmjukvara. Överlevnadsanalys kommer att utföras för att avgöra om konsensus förutsäger förbättrad progressionsfri överlevnad (PFS).
  5. De strukturerade och avidentifierade radiografiska bilderna som används av experterna i undersökningar kommer att användas för utbildning och utveckling av en AI-algoritm. Syftet med denna del av studien är att avgöra om standardiserad och strukturerad avbildning kan användas för att träna en algoritm för att förutsäga om expertkonsensus uppnås och den rekommenderade behandlingen.

Studieöversikt

Status

Aktiv, inte rekryterande

Intervention / Behandling

Detaljerad beskrivning

1) Statistisk analysplan:

  1. det här dokumentet innehåller detaljer om statistiska analyser som planeras för EC-AIM Brain-studien.
  2. Målet med denna studie:

i. Det primära målet är att avgöra om patienter vars behandling överensstämmer med expertkonsensus har ett bättre resultat än de som behandling inte överensstämmer med expertkonsensus.

  1. Detta kommer att bestämmas med en primär endpoint av progressionsfri överlevnad (levande och utan tumörtillväxt vid sista uppföljningen).
  2. Detta kommer att testas med log-rank testet för överlevnadskurvor (EC/aligned vs EC/oaligned).

2) Förkortningar:

  1. EG - expertkonsensus
  2. HR - hazard ratio
  3. OS - total överlevnad
  4. PFS - progressionsfri överlevnad
  5. KPS - Karnofsky Performance Score 3) Målgrupp:

a. Inklusionskriterier: i. Konsekutiva patienter behandlade av neurokirurger vid ett enda center mellan april 2018 och juli 2023 för maligna hjärntumörer, inklusive gliom, metastaser och lymfom.

b. Uteslutningskriterier:

  1. Patienter utan tillgängliga MRI dicom-bilder
  2. Patienter med andra CNS-maligniteter
  3. Patienter med multipla återkommande gliom som genomgår behandling i främst palliativt syfte
  4. Patienter yngre än 16 år 4) Provtagning: Konsekutiva 5) Bedömning av provstorlek: a. Det är utmanande att fastställa en uppskattad effektstorlek som EC skulle ge. Från tidigare forskning om expertpaneler i lumbal spondylolistes, noterades en provstorlek på cirka 200 patienter vara tillräcklig för initial bedömning. Som sådan kommer studien att inkludera 225 försökspersoner som vår kohortstorlek för att stå för ~10% patientförlust att följa upp.

6) Datainsamlingsmetoder:

  1. Standardiserade kliniska vinjetter med avidentifierade kliniska data och standardiserade röntgenbilder och video kommer att laddas upp till Acesis HPOP-plattform.

i. Uppladdade filer kommer att innehålla representativa flerplansmagnetiska resonansbilder eller datortomografibilder. Ett mejl med en länk till undersökningen kommer att distribueras till expertpanelen för hjärntumör c. Expertrespondenterna har 72 timmar på sig att svara på en standardiserad undersökning d. Expertrespondenterna kan svara på frågor angående föreslagen behandling såväl som eventuella tilläggstekniker som behövs. kohorttilldelning (baserat på undersökningsresultat och faktisk behandling) kommer att utföras av en separat studieutredare.

8) Saknade data:

a. Alla ämnen kommer att inkluderas i primär resultatanalys. De kommer att censureras vid den senaste uppföljningsbedömningen. All saknad data kommer att antas saknas slumpmässigt.

9) Kvalitetssäkringsplan: 10) Tilldelning av resultatgrupp:

a. Behandlingen kommer att definieras i följande fyra kategorier: i. Observation/ingen behandling ii. Endast biopsi iii. Resektion iv. Strålbehandling b. Expertkonsensus kommer att definieras som minst 80 % överensstämmelse bland minst 10 respondenter. Justerad kommer att definieras som den rekommenderade behandlingskategorin ovan som matchar den faktiska behandlingen som tillhandahålls 11) Resultatanalys:

a. Primär utfallsvariabelanalys: i. Det primära utfallsmåttet är progressionsfri överlevnad (levande och utan tecken på tumörtillväxt vid uppföljning) ii. Hypotes:

  1. H0: hEC_aligned ≤ hEC_unaligned
  2. HA: hEC_aligned > hEC_unaligned iii. Detta kommer att testas med log-rank testet för överlevnadskurvor (EC/aligned vs EC/oaligned).

iv. Testet kommer att vara ensidigt (alfa=0,025) b. Ytterligare analyser av det primära resultatet: i. Justering för kända confounders inklusive diagnos, ålder, KPS, omfattning av resektion ii. Explorativ dataanalys med beskrivande statistik och logistisk regression/linjär regression kommer att användas för att utvärdera för interaktioner och förvirrande kovarianter. c. Sekundär utfallsvariabelanalys: i. Total överlevnad ii. Dataanalys kommer att vara utforskande och stödjande, och därför kommer den statistiska planen inte att ta hänsyn till mångfald iii. Sekundära analyser kommer att utföras för OS och PFS för två- och trekohortgrupper

  1. EC/aligned vs EC/oaligned
  2. EM vs inget EM
  3. EC/aligned vs EC/oaligned vs no EC 12) Planerad analys för prediktorer av EC

    1. Dataanalys kommer att vara utforskande och stödjande, och därför kommer studien inte att ta hänsyn till mångfald
    2. Beskrivande statistik kommer att användas för att utvärdera skillnader mellan EG- och ingen EG-grupper
    3. Beskrivande statistik kommer att användas för att utvärdera skillnader mellan EG/justerade och EG/ojusterade grupper
    4. Fishers exakta test och chi-kvadrattest kommer att användas för kategoriska variabler beroende på testantaganden
    5. Students t-test och Mann-Whitney U-test kommer att användas för normalfördelade respektive icke-normalfördelade kontinuerliga variabler
    6. Logistiska regressionsmodeller kommer att användas för att utvärdera för prediktorer av EC
    7. Överensstämmelse mellan utförd behandling och expertkonsensus kommer att utvärderas med hjälp av Spearman-koefficienter
    8. Alla statistiska test som används för beskrivande statistik kommer att vara tvåsidiga (alfa=0,05) 13) Planerad interimsanalys: Inga. 14) Biverkningar: Inga förväntade eftersom detta är en retrospektiv kartöversikt och undersökningsbaserad studie.

Studietyp

Observationell

Inskrivning (Beräknad)

225

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

    • Massachusetts
      • Boston, Massachusetts, Förenta staterna, 02111
        • Tufts Medical Center

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Den population från vilken provtagning kommer att ske är alla patienter med CNS-gliom, metastaserande sjukdom och lymfom som behandlas av neurokirurger.

Beskrivning

Inklusionskriterier:

  • på varandra följande patienter som behandlades vid ett enda centrum mellan april 2018 och juli 2023 för maligna hjärntumörer, inklusive gliom, metastaser och lymfom.

Uteslutningskriterier:

  • Patienter utan tillgängliga MRI dicom-bilder
  • Patienter med andra CNS-maligniteter
  • Patienter med multipla återkommande gliom som genomgår behandling i främst palliativt syfte
  • Patienter yngre än 18 år

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
EC/justerad
Kohort med expertkonsensus i linje med faktisk behandling
Interventionen är en e-postbaserad undersökning som beskrivs i studiebeskrivningen.
EC/ojusterat
Kohort med expertkonsensus som inte är i linje med faktisk behandling
Interventionen är en e-postbaserad undersökning som beskrivs i studiebeskrivningen.
Inget EC
Expertpanelens rekommenderade behandling uppnådde inte 80 % överensstämmelse
Interventionen är en e-postbaserad undersökning som beskrivs i studiebeskrivningen.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Total överlevnad
Tidsram: Genom avslutad studie i snitt 2 år
Patienter som äntligen lever följer upp genom avslutad studie, i genomsnitt 2 år
Genom avslutad studie i snitt 2 år

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Progressionsfri överlevnad
Tidsram: Genom avslutad studie, i snitt två år
Patienter utan säkra tecken på progression efter senaste uppföljning genom avslutad studie, i genomsnitt två år
Genom avslutad studie, i snitt två år

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Utredare

  • Huvudutredare: Marie Roguski, MD MPH, Tufts Medical Center

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 juli 2017

Primärt slutförande (Beräknad)

1 december 2025

Avslutad studie (Beräknad)

1 december 2025

Studieregistreringsdatum

Först inskickad

9 september 2024

Först inskickad som uppfyllde QC-kriterierna

14 oktober 2024

Första postat (Faktisk)

21 oktober 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

21 oktober 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

14 oktober 2024

Senast verifierad

1 september 2024

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

produkt tillverkad i och exporterad från U.S.A.

Nej

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 .

Prenumerera