基于放射组学的肺腺癌肿瘤扩散预测模型
2021年9月3日 更新者：Marco Anile、University of Roma La Sapienza
放射组学能否在所有计算机断层扫描设置中预测肺腺癌中通过空气空间传播的肿瘤？
据报道，空气空间传播 (STAS) 是接受亚肺叶切除术的肺癌患者的不良预后因素。 因此，其术前评估可用于定制手术治疗。 最近提出放射组学来预测肺腺癌患者的 STAS。 然而，所有研究都严格选择了影像学和患者，导致结果难以适用于日常临床实践。 本研究的目的是在基于实践的数据集中测试基于放射组学的 STAS 预测模型，并验证其有效性和转化潜力。
培训部分回顾性收集了 100 名连续切除肺腺癌患者的放射学和临床数据。 与常见的临床实践一样，术前 CT 图像由不同的医生和不同的医院独立获取。 因此，我们的数据集在扫描仪的模型和制造、采集和重建协议、静脉内造影相和像素大小方面呈现出高度差异。 为了测试标准化在高度变化的数据中的效果，使用四种不同的管道对术前 CT 图像和感兴趣的肿瘤区域进行了预处理。 使用 pyradiomics 提取特征，并考虑管道内的分离能力和稳健性进行选择。 之后，使用最重要的相关特征创建了基于放射组学的 STAS 预测模型。 该模型随后在前瞻性注册为外部验证组的 50 名患者中进行了验证，以测试其在 STAS 预测中的功效。
研究概览
地位
完全的
条件
研究类型
观察性的
注册 (实际的)
150
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
-
Roma、意大利、00139
- Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、OLDER_ADULT)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
概率样本
研究人群
在罗马 Policlinico Umberto I 医院接受肺癌手术的患者
描述
纳入标准：
- 疑似或组织学证实为肺腺癌并接受肺癌手术的患者；
- 可用的术前 CT 图像
- 年龄超过 18 岁
排除标准：
- 胸壁浸润
- 诱导放疗或化疗
- 不完全手术切除
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
|---|
|
肺腺癌
收集并处理接受手术治疗的肺腺癌患者的影像，以构建基于放射组学的预测模型
|
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 |
|---|---|---|
|
灵敏度
大体时间：手术前24小时
|
使用接受者操作特征曲线下的面积测试 Radiomics 预测 STAS 的灵敏度
|
手术前24小时
|
|
特异性
大体时间：手术前24小时
|
使用接受者操作特征曲线下的面积测试 Radiomics 预测 STAS 的特异性
|
手术前24小时
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Marco Anile, MD、La Sapienza Università di Roma
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Jiang C, Luo Y, Yuan J, You S, Chen Z, Wu M, Wang G, Gong J. CT-based radiomics and machine learning to predict spread through air space in lung adenocarcinoma. Eur Radiol. 2020 Jul;30(7):4050-4057. doi: 10.1007/s00330-020-06694-z. Epub 2020 Feb 28.
- Chen D, She Y, Wang T, Xie H, Li J, Jiang G, Chen Y, Zhang L, Xie D, Chen C. Radiomics-based prediction for tumour spread through air spaces in stage I lung adenocarcinoma using machine learning. Eur J Cardiothorac Surg. 2020 Jul 1;58(1):51-58. doi: 10.1093/ejcts/ezaa011.
- Zhuo Y, Feng M, Yang S, Zhou L, Ge D, Lu S, Liu L, Shan F, Zhang Z. Radiomics nomograms of tumors and peritumoral regions for the preoperative prediction of spread through air spaces in lung adenocarcinoma. Transl Oncol. 2020 Oct;13(10):100820. doi: 10.1016/j.tranon.2020.100820. Epub 2020 Jul 1.
- Bassi M, Russomando A, Vannucci J, Ciardiello A, Dolciami M, Ricci P, Pernazza A, D'Amati G, Mancini Terracciano C, Faccini R, Mantovani S, Venuta F, Voena C, Anile M. Role of radiomics in predicting lung cancer spread through air spaces in a heterogeneous dataset. Transl Lung Cancer Res. 2022 Apr;11(4):560-571. doi: 10.21037/tlcr-21-895.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2020年2月1日
初级完成 (实际的)
2020年7月1日
研究完成 (实际的)
2021年6月1日
研究注册日期
首次提交
2021年5月6日
首先提交符合 QC 标准的
2021年5月18日
首次发布 (实际的)
2021年5月19日
研究记录更新
最后更新发布 (实际的)
2021年9月5日
上次提交的符合 QC 标准的更新
2021年9月3日
最后验证
2021年9月1日
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.