食管癌筛查试验 (EAST)
基于新型海绵细胞学的食管癌筛查试验(EAST):一项全国多中心研究
研究概览
详细说明
食道癌是 2020 年全球第七大常见癌症和第六大癌症相关死亡原因。 发病率最高的地区包括东亚和中亚、撒哈拉以南非洲和一些南美国家,其中食管鳞状细胞癌 (ESCC) 是主要的组织学亚型(近 90%)。 虽然食管腺癌作为食管胃交界处腺癌(AEG)的一种,在这些高危地区较少见,但约占欧洲和北美食管癌病例的三分之二。 然而,另一种AEG类型贲门型胃癌往往在食管鳞癌高危地区发病率较高。 引人注目的是,据估计,2018 年全球 57.5% 的 ESCC 病例和 60.8% 的贲门胃癌病例发生在中国。 食管癌高发区多位于医疗资源有限的发展中国家,食管癌和食管癌的发病率高且并发,给疾病控制带来了重大挑战。
ESCC 和 AEG 均表现出不良预后,总体 5 年生存率低于 30%。 这主要是由于早期病变的无症状性质,这常常导致诊断延迟。 中国人群研究证实,卢戈氏染色上消化道内镜检查可提高早期检出率,降低食管鳞癌的发病率和死亡率,以及高危地区急性胃癌的死亡率。 然而,内窥镜手术的侵入性和资源密集性以及普通筛查人群中目标病变的相对较低患病率(0.8% 至 1.6%)限制了其在大规模筛查中的可行性和成本效益。 因此,迫切需要开发侵入性较小、易于获取且诊断准确性可接受的方法,以便在内窥镜检查之前丰富高危人群。 迄今为止,很少有非内窥镜初步筛查方法可用于 ESCC 和 AEG。
食管海绵细胞学是一种新兴的、微创的、方便的食管癌及其癌前病变和状况的检测方法。 可膨胀海绵可以在取出过程中从整个食管和食管胃交界处 (EGJ) 收集上皮细胞,并可以进行后续的形态学或生物标志物分析。 对于 Barrett 食管 (BE),Cytosponge-trefoil 因子 3 是一种行之有效的非内窥镜检查,可以将初级保健机构中有反流症状的患者的 BE 检出率提高 10.6 倍。 对于以食管鳞癌为主要亚型的高危地区,几种类型的海绵细胞学检测也取得了有希望的初步结果。
在我们之前的研究中,我们开发了一种人工智能 (AI) 辅助的海绵细胞学测试,它会自动指示潜在的异常细胞供细胞学家诊断,并发现灵敏度和特异性为 90.0% 在中国以社区为基础的 ESCC 筛查中为 93.7%。 然而,经验丰富的细胞学家的不足使得这种方法对于基于人群的筛查仍然不是最佳选择,特别是对于资源有限的地区。 此外,AEG也在海绵细胞学的检测范围内,在以前的研究中没有被研究过。 因此,我们进行了食管癌筛查试验 (EAST),以开发和验证基于细胞学和流行病学特征的全自动机器学习模型,用于高风险地区的 ESCC 和 AEG 筛查。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Shanghai
-
Shanghai、Shanghai、中国、200433
- Changhai Hospital
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准:
- 受试者接受了食管癌的机会性内窥镜筛查;
- 40-75岁。
排除标准:
- 具有吞咽困难、呕血和黑便等令人担忧的症状的受试者;
- 受试者在 1 年内接受了上消化道内窥镜检查;
- 有食管肿瘤病史的受试者;
- 患有食管-胃静脉曲张或食管狭窄的受试者;
- 有食管或胃手术史的受试者;
- 患有凝血障碍或服用抗凝血剂或抗血小板药物的受试者;
- 有其他上消化道内窥镜检查或活组织检查禁忌症的受试者;
- 患有其他严重疾病或恶性肿瘤,预期寿命不足5年的;
- 拒绝配合数据采集或签署知情同意书的受试者。
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
筛查人群
在中国高危地区接受过食管癌机会性内镜筛查的参与者将被纳入本研究。
内窥镜检查前,食管海绵细胞采集器(Esoheal 1.0)采集食管细胞标本。
|
食管细胞标本采用Esoheal 1.0海绵采集器采集。
将根据参与者的数字细胞病理学特征建立预测模型。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
基于海绵细胞学的机器学习模型对主要靶病变的诊断性能
大体时间:通过学习完成,平均 1.5 年
|
主要靶病变包括高级别上皮内瘤变和食管及胃食管连接部癌。 诊断性能包括AUC、平均精度、灵敏度、特异性、阳性预测值和阴性预测值。 |
通过学习完成,平均 1.5 年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
AI辅助下细胞学家的诊断性能
大体时间:通过学习完成,平均 1.5 年
|
主要靶病变包括高级别上皮内瘤变和食管及胃食管连接部癌。 诊断性能包括AUC、平均精度、灵敏度、特异性、阳性预测值和阴性预测值。 |
通过学习完成,平均 1.5 年
|
|
筛选所需的数字
大体时间:通过学习完成,平均 1.5 年
|
为预防一个主要目标病变而需要筛查的参与者人数。
|
通过学习完成,平均 1.5 年
|
|
异常细胞计数的诊断性能
大体时间:通过学习完成,平均 1.5 年
|
主要靶病变包括高级别上皮内瘤变和食管及胃食管连接部癌。 诊断性能包括 AUC 和平均精度。 |
通过学习完成,平均 1.5 年
|
合作者和调查者
调查人员
- 研究主任:Zhao-Shen Li, MD、Changhai Hospital
- 首席研究员:Luo-Wei Wang, MD、Changhai Hospital
出版物和有用的链接
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.