非小细胞肺癌纵隔 IV 站淋巴结转移的预测
基于CT影像组学的非小细胞肺癌纵隔IV组淋巴结转移预测模型
研究概览
详细说明
【摘要】：背景:肺癌是世界上发病率和死亡率最高的恶性肿瘤之一。 非小细胞肺癌（NSCLC）约占肺癌的85%，其5年生存率约为19%。 纵隔淋巴结转移是非小细胞肺癌（NSCLC）常见的转移途径，其发生与淋巴引流模式密切相关。 不同肺叶肿瘤的淋巴引流模式也不同。 许多研究表明，第四站和第七站纵隔淋巴结是淋巴结转移的高发区。 特别是，第 4 站的淋巴结转移与较差的患者预后相关。 虽然全身淋巴结清扫通常包括至少三组纵隔淋巴结，包括第 7 站淋巴结，但第 4 站清扫没有统一的方案。 这种情况对肺癌患者的分期和预后评估产生负面影响。 CT检查是评估纵隔淋巴结状况的重要工具，但准确性不高。 新兴的CT影像组学在淋巴结转移的准确诊断方面显示出巨大的应用前景。 利用影像组学评估站位淋巴结有助于提高淋巴结转移诊断的准确性，也有望为确定淋巴结清扫范围提供更科学的依据。
目的：通过CT影像预测第四纵隔组淋巴结转移情况，并与病理金标准比较，帮助确定淋巴结清扫范围和分期。
研究设计：回顾性收集2017年至2024年3月齐鲁医院心胸外科收治的初诊非小细胞肺癌患者的临床和病理资料。 预计将收集 150 名患者的临床病理数据和影像数据。 纳入标准包括初诊时接受第四组淋巴结病理检查并在术前两周内接受增强CT扫描的患者。 为所有入组患者绘制了感兴趣的淋巴结区域（ROI），并将所有淋巴结分为转移组和非转移组。 研究目的是分析这些患者的影像学数据，整合相应的临床和病理信息，如临床因素：年龄、肺叶、性别、影像征象等，病理因素：病理类型、组织学类型、 ETC。 此外，还测量每个淋巴结的短径，以确定不同短径标准下的转移率。 利用机器学习技术构建预测模型。 该模型的目的是识别和提取第四组有转移和无转移的淋巴结的特征。 通过与最终病理结果的仔细比较，研究人员将评估该模型预测淋巴结转移状态的准确性和有效性。 该模型可以量化淋巴结转移的风险，帮助医生制定更加个性化的治疗方案。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名：Yanru Kang, postgraduate
- 电话号码：18334864091
- 邮箱：2083884573@qq.com
学习地点
-
-
Shandong
-
Jinan、Shandong、中国、250063
- 招聘中
- Qilu Hospital of Shandong University
-
接触：
- Kang yanru, graduate student
- 电话号码：18334864091
- 邮箱：2083884573@qq.com
-
-
参与标准
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
取样方法
研究人群
描述
纳入标准：
- 胸外科进行手术切除和系统淋巴结清扫，术后病理证实为NSCLC，并保留完整的病理诊断数据。
- 术前2周内完成胸部CT增强扫描
- 图像质量符合分析标准，临床数据完整。
- 选择4号站经病理证实转移或非转移的淋巴结
排除标准：
- 术前放化疗或其他治疗
- 存在远处转移或其他恶性肿瘤
- 临床数据不完整或图像伪影
- 第 4 站未发现转移或非转移淋巴结
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 |
|---|---|
|
控制
|
该模型采用机器学习算法来分析非小细胞肺癌患者的 CT 成像数据。
它侧重于识别和评估纵隔第四组淋巴结的特征，包括大小、形状、边缘和密度。
通过提取与淋巴结转移相关的特征，该模型可以帮助医生做出更准确的诊断。
|
|
案件
|
该模型采用机器学习算法来分析非小细胞肺癌患者的 CT 成像数据。
它侧重于识别和评估纵隔第四组淋巴结的特征，包括大小、形状、边缘和密度。
通过提取与淋巴结转移相关的特征，该模型可以帮助医生做出更准确的诊断。
|
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 |
|---|---|---|
|
曲线下面积(AUC)
大体时间：2025年6月
|
评价模型预测淋巴结转移的能力和临床实用性
|
2025年6月
|
|
受试者工作特征曲线(ROC)
大体时间：2025年6月
|
不同阈值下不同模型的敏感性和特异性
|
2025年6月
|
合作者和调查者
出版物和有用的链接
一般刊物
- Siegel RL, Miller KD, Wagle NS, Jemal A. Cancer statistics, 2023. CA Cancer J Clin. 2023 Jan;73(1):17-48. doi: 10.3322/caac.21763.
- Takano N, Ariyasu R, Koyama J, Sonoda T, Saiki M, Kawashima Y, Oguri T, Hisakane K, Uchibori K, Nishikawa S, Kitazono S, Yanagitani N, Ohyanagi F, Horiike A, Gemma A, Nishio M. Improvement in the survival of patients with stage IV non-small-cell lung cancer: Experience in a single institutional 1995-2017. Lung Cancer. 2019 May;131:69-77. doi: 10.1016/j.lungcan.2019.03.008. Epub 2019 Mar 21.
- Zhou D, Yue D, Zhang Z, Tian P, Feng Y, Liu Z, Zhang B, Wang M, Zhao X, Wang C. Prognostic significance of 4R lymph node dissection in patients with right primary non-small cell lung cancer. World J Surg Oncol. 2022 Jul 1;20(1):222. doi: 10.1186/s12957-022-02689-w.
- Shamji FM, Beauchamp G, Sekhon HJS. The Lymphatic Spread of Lung Cancer: An Investigation of the Anatomy of the Lymphatic Drainage of the Lungs and Preoperative Mediastinal Staging. Thorac Surg Clin. 2021 Nov;31(4):429-440. doi: 10.1016/j.thorsurg.2021.07.005.
- Hanaoka J, Yoden M, Okamoto K, Kaku R, Ohshio Y. Mediastinal lymph node evaluation, especially at station 4L, in left upper lobe lung cancer. J Thorac Dis. 2022 Sep;14(9):3321-3334. doi: 10.21037/jtd-22-537.
- Mascalchi M, Zompatori M. Mediastinal Lymphadenopathy in Lung Cancer Screening: A Red Flag. Radiology. 2022 Mar;302(3):695-696. doi: 10.1148/radiol.212501. Epub 2021 Nov 23. No abstract available.
- Yoshida Y, Saeki N, Yotsukura M, Nakagawa K, Watanabe H, Yatabe Y, Watanabe SI. Visualization of patterns of lymph node metastases in non-small cell lung cancer using network analysis. JTCVS Open. 2022 Oct 13;12:410-425. doi: 10.1016/j.xjon.2022.10.003. eCollection 2022 Dec.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
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.