此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

构建多模态成像系统预测直肠癌异时转移风险 (MIS-MRC)

微环境分析和 MRI 放射组学研究在直肠癌远处转移风险分层中的作用

本观察性研究的目标是构建多模态智能模型来预测直肠癌异时转移风险,有助于个体化诊疗和随访计划。 它旨在回答的主要问题是:

  • 局部晚期直肠癌(LARC)发生远处转移(DM)的独立危险因素有哪些
  • 上述因素对LARC异时转移的影响权重是多少,如何建立风险预测模型

本研究不会影响或干扰受试者的常规医疗诊断和治疗,也不会增加受试者的费用和风险。 参与者的信息受到唯一代码的保护和识别。

研究概览

详细说明

数据采集​​过程中严格实行专项管理,全称质量控制。 专人负责采集病历系统中患者的临床图像和病理信息,并使用个人身份数据进行识别和处理,以保护试验患者/参与者的隐私。 同时有专人负责质量控制和源数据验证。 参与者使用项目统一编号作为唯一识别码,个人资料和病例信息由样本管理人员输入并保存,用户只看到个人编号,不再显示参与者的姓名和其他个人信息。 数据字典包含注册表所使用的每个变量的详细描述,包括变量的来源、编码信息。 参与者的样本信息以电子方式存储在专用计算机中,该计算机不用于其他目的,并设有密码,仅管理样本的人(1人)可以使用。 参与者的医疗记录将保存在医院,并且只有研究人员才能访问;如有必要,投标组织、道德委员会或政府管理部门的成员可以按照相应权限访问参赛者的个人数据。 研究结果将作为统计分析数据发布,并且不包含任何可识别参与者的信息。

申办者负责实施和维护质量保证和质量控制系统,并制定书面的标准操作程序(SOP),以确保试验的进行以及数据的生成、记录(记录)和报告符合方案、良好的临床实践( GCP)以及适用的监管要求。 SOP 应涵盖系统设置、安装和使用。 SOP 应描述系统验证和功能测试、数据收集和处理、系统维护、系统安全措施、变更控制、数据备份、恢复、应急计划和退役。 申办者、研究者和其他各方在使用这些计算机化系统方面的责任应该明确,并且应该向用户提供使用培训。 如果研究者/机构或申办者员工不遵守方案、SOP、GCP 和/或适用的监管要求,申办者应立即采取行动以确保合规。

根据LARC的发病率和远处转移的风险,样本量为300,随访间隔至少3年。

缺失数据规划:如果缺失数据比例很大,比如大于95%,调查人员可以直接删除该字段;在50~95%的时候,调查人员有两种处理方法,一是直接去掉这个字段;二是直接去掉这个字段。另一种方法是将字段变成指示变量;这就是 0-1 变量。 如果该字段为空,则该字段为0;否则该字段为 1。 5% 到 50% 之间:在这种情况下,调查人员需要填写缺失值。 在填充过程中,有简单填充和算法填充两类。 简单填充包括:0填充、均值填充、中值填充、众数填充;算法填充方法如K近邻(KNN)填充、随机森林填充等。

统计 统计产品和服务解决方案(SPSS,版本 26.0)和 R 软件(版本 4.0.5) 用于统计分析。 采用受试者工作特征(ROC)曲线分析评估肿瘤基质比(TSR)在基于最大约登指数判别糖尿病风险中的最佳截断值。 热图显示了 3 年内患有或不患有 DM 的患者之间的变量分布。 根据训练队列的数据,依次使用Kaplan-Meier (K-M) 曲线和Cox 回归分析确定独立的DMFS 危险因素。 统计显着性设定为P<0.05。 使用分类变量和排名变量的 κ 统计量以及连续变量的 ICC 来评估观察者间的变异性。

TSR 评估 将结肠镜检查的活检标本切成 5 μm 的切片并用 H&E 染色。 选择所有四个侧面均存在基质细胞和肿瘤细胞的区域,以使用自动评分方法评估肿瘤基质比率(TSR)。 在本研究中,将所有测量区域中基质成分的最高比例记录为最终 TSR 值。

磁共振分析采用机器学习方法对MR图像进行分析,包括图像采集和重建、图像分割、特征提取和限定、分析以及模型建立。

使用带有 8 通道相控阵环绕式表面线圈的 3.0 T 扫描仪进行预处理磁共振 (MR) 检查。 除非有禁忌症,否则肌内注射 10 mg 盐酸消旋异莨菪碱,以尽量减少排便。 获得的序列包括 T1 加权成像 (T1WI)、有或没有脂肪饱和的 T2 加权成像 (T2WI) 和扩散加权成像 (DWI)。

第一位放射科医生在高分辨率斜轴 T2WI(正交于直肠腔)上逐层手动描绘肿瘤感兴趣区域 (ROI),随后由在 Insight 分割和配准工具包方面拥有更多经验的第二位放射科医生进行确认-斯坦福网络分析项目(ITK-SNAP),从中获得三维整个肿瘤感兴趣体积(VOI)。 通过讨论解决了分歧。 放射科医生对临床病理学信息视而不见。 总体而言,从每个 VOI 中提取了 1229 个特征,这些特征可以分为四类:(1)形状特征; (2)一阶统计特性; (3)纹理特征; (4)高阶统计特征。

计算提取的特征的类间和类内相关系数(ICC)以评估特征的再现性。 ICC <0.75 的特征被认为不稳定并被消除。 采用Pearson相关分析来识别冗余特征,对于任意两个系数为0.9的特征,消除平均绝对系数较大的特征。 应用最小绝对收缩和选择算子算法(LASSO)从训练队列中选择最显着的预测参数,并使用5折交叉验证进行降维。 签名(即 Radscore)是使用由各自系数加权的最终选定特征的线性组合来计算的。

模型构建和验证 根据Cox回归结果,整合除TSR之外的所有独立风险因素的列线图(Mr),整合除Radscore之外的所有独立风险因素的TSR列线图(Mt),以及包含所有独立风险因素的组合模型(Mrt)构建独立风险因素来预测 3 年 DM 风险。 使用 ROC 曲线评估和比较这些模型的判别能力。 绘制校准图来探讨三个模型的校准能力。 进行决策曲线分析,通过计算每个决策策略在每个阈值概率下的净效益来探索临床效益。

研究类型

观察性的

注册 (实际的)

302

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

      • Beijing、中国、100021
        • National Cancer Center, National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College

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

  • 孩子
  • 成人
  • 年长者

接受健康志愿者

不

取样方法

概率样本

研究人群

回顾性分析2015年至2018年在我所连续接受5-FU或卡培他滨为基础的同步NCRT和全直肠系膜切除术治疗的局部晚期直肠腺癌病例。

描述

纳入标准:

  • 新诊断的非粘液性LARC(T3~T4,或任何具有N1~2、M0的T),未经既往治疗;
  • 无伴随恶性肿瘤或全身性疾病;
  • 在我院完成标准的新辅助放化疗(NCRT)和根治性手术;
  • NCRT 前 2 周内接受直肠 MRI 和结肠镜检查。

排除标准:

  • 未能满足任何纳入标准;
  • 用于分析的 MR 图像质量不足,或缺乏用于 TSR 评估的活检组织;
  • 临床数据不完整或在上次就诊前退出。

初步审查了符合条件的 LARC 病例 578 例,根据排除标准排除了其中 276 例。 最终,302 名患者被纳入本研究,并随机分为训练队列 (n = 211) 和验证队列 (n = 91)。

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
干预/治疗
培训队列
将患者随机分为训练队列(n = 211)来训练模型。 回顾患者的临床病理资料,包括年龄、性别、肥胖、血清癌胚抗原和癌抗原19-9水平、MRI评估的T和N分期、组织病理学评估的yp-T和yp-N分期。 肿瘤的 MR-T/N 分期由放射科医生评估。 在高分辨率斜轴 T2WI 上手动描绘感兴趣的肿瘤区域,并使用 ITK-SNAP 生成 VOI。 总体而言,从每个 VOI 中提取了 1229 个特征。 将结肠镜检查的活检标本切成 5 μm 的切片并用 H&E 染色。 选择所有四个侧面均存在基质细胞和肿瘤细胞的区域,以使用自动评分方法评估肿瘤基质比率,在记录的所有测量区域中基质成分的比例最高。
验证队列
将患者随机分为验证队列(n = 91)以验证模型。 回顾患者的临床病理资料,包括年龄、性别、肥胖、血清癌胚抗原和癌抗原19-9水平、MRI评估的T和N分期、组织病理学评估的yp-T和yp-N分期。 肿瘤的 MR-T/N 分期由放射科医生评估。 在高分辨率斜轴 T2WI 上手动描绘感兴趣的肿瘤区域,并使用 ITK-SNAP 生成 VOI。 总体而言,从每个 VOI 中提取了 1229 个特征。 将结肠镜检查的活检标本切成 5 μm 的切片并用 H&E 染色。 选择所有四个侧面均存在基质细胞和肿瘤细胞的区域,以使用自动评分方法评估肿瘤基质比率,在记录的所有测量区域中基质成分的比例最高。

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
异时性远处转移
大体时间:通过学习完成,平均3年
根据放射学和/或组织病理学证据定义为骨盆以外部位的癌症复发。
通过学习完成,平均3年

次要结果测量

结果测量
措施说明
大体时间
无远处转移生存期
大体时间:从手术日期到首次检测到远处转移之日,全因死亡评估最长为 3 年。
无远处转移生存期(DMFS)是从手术日期到首次检测到远处转移、任何原因死亡或最后一次随访的日期计算的。
从手术日期到首次检测到远处转移之日,全因死亡评估最长为 3 年。

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

  • 研究主任:Hongmei Zhang, MD、National Cancer Center, Cancer Hospital, Chinese Academy of Medical Sciences, Beijing, China

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)

2015年1月1日

初级完成 (实际的)

2018年12月31日

研究完成 (实际的)

2022年11月30日

研究注册日期

首次提交

2024年2月18日

首先提交符合 QC 标准的

2024年2月27日

首次发布 (估计的)

2024年3月5日

研究记录更新

最后更新发布 (估计的)

2024年3月5日

上次提交的符合 QC 标准的更新

2024年2月27日

最后验证

2024年2月1日

更多信息

与本研究相关的术语

其他研究编号

  • 22/449-3651
  • 2022-I2M-C&T-B-077 (其他赠款/资助编号:CAMS Innovation Fund for Medical Sciences (CIFMS))
  • 7244398 (其他赠款/资助编号:Youth program of Beijing Natural Science Foundation)
  • Beijing Hope Run Special Fund (其他赠款/资助编号:LC2021A12)

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅