免费获得国外相关药品,最快 1 个工作日回馈药物信息

出境医 / 临床实验 / 基于放射组学的肺腺癌气腔扩散预测模型

基于放射组学的肺腺癌气腔扩散预测模型

研究描述
简要总结:

据报道,气腔扩散 (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。最近有人提出放射组学来预测肺腺癌患者的 STAS。然而,所有的研究都严格选择了影像学和患者,导致结果很难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 名连续切除的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、静脉内对比相位和像素大小方面存在很大差异。为了测试标准化在高度变化的数据中的效果,术前 CT 图像和感兴趣的肿瘤区域用四种不同的管道进行了预处理。使用金字塔组学提取特征,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 50 名前瞻性登记为外部验证组的患者中进行了验证,以测试其在 STAS 预测中的有效性。


状况或疾病
肺腺癌

学习规划
学习信息布局表
学习类型观察的
实际招生人数 150 名参与者
观察模型:仅限案例
时间透视:预期
官方名称: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的肿瘤扩散?
实际学习开始日期 2020 年 2 月 1 日
实际主要完成日期 2020 年 7 月 1 日
预计 研究完成日期 2021 年 6 月 1 日
武器和干预
组/队列
肺腺癌
收集并处理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
结果措施
主要结果测量
  1. 灵敏度 [时间范围:操作前 24 小时]
    使用接收器操作特性曲线下的面积测试 Radiomics 预测 STAS 的灵敏度

  2. 特异性[时间范围:手术前24小时]
    使用受试者工作特征曲线下的面积测试 Radiomics 预测 STAS 的特异性


资格标准
资格信息的布局表
适合学习的年龄: 18 岁及以上(成人、老年人)
适合学习的性别:全部
接受健康志愿者:
抽样方法: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
标准

纳入标准:

  • 接受肺癌手术的疑似或经细胞分裂素组织学证实的肺腺癌患者;
  • 可用的术前 CT 图像
  • 年龄大于 18 岁

排除标准:

  • 胸壁浸润
  • 感应放疗或化疗
  • 不完全手术切除
联系方式和地点

地点
位置信息布局表
意大利
Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
罗马, 意大利, 00139
赞助商和合作者
罗马大学
调查员
调查员信息布局表
首席研究员: Marco Anile,医学博士罗马智慧大学
追踪信息
首次提交日期2021 年 5 月 6 日
首次发布日期2021 年 5 月 19 日
最后更新发布日期2021 年 5 月 19 日
实际学习开始日期2020 年 2 月 1 日
实际主要完成日期2020 年 7 月 1 日(主要结局指标的最终数据收集日期)
当前的主要结果测量
(投稿时间:2021年5月18日)
  • 灵敏度 [时间范围:操作前 24 小时]
    使用接收器操作特性曲线下的面积测试 Radiomics 预测 STAS 的灵敏度
  • 特异性[时间范围:手术前24小时]
    使用受试者工作特征曲线下的面积测试 Radiomics 预测 STAS 的特异性
原始主要结果测量与当前相同
更改历史记录未发布任何更改
当前的次要结果测量不提供
原始次要结果测量不提供
当前的其他预先指定的结果措施不提供
原始的其他预先指定的结果措施不提供
描述性信息
简短标题基于放射组学的肺腺癌气腔扩散预测模型
官方名称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的肿瘤扩散?
简要总结

据报道,气腔扩散 (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。最近有人提出放射组学来预测肺腺癌患者的 STAS。然而,所有的研究都严格选择了影像学和患者,导致结果很难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 名连续切除的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、静脉内对比相位和像素大小方面存在很大差异。为了测试标准化在高度变化的数据中的效果,术前 CT 图像和感兴趣的肿瘤区域用四种不同的管道进行了预处理。使用金字塔组学提取特征,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 50 名前瞻性登记为外部验证组的患者中进行了验证,以测试其在 STAS 预测中的有效性。

详细说明不提供
学习类型观察的
学习规划观察模型:仅案例
时间透视:前瞻性
目标随访时间不提供
生物标本不提供
抽样方法概率样本
研究人群在罗马 Policlinico Umberto I 医院接受肺癌手术的患者
状况肺腺癌
干涉不提供
研究组/队列肺腺癌
收集并处理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
出版物 *
  • Jiang C、Luo Y、Yuan J、You S、Chen Z、Wu M、Wang G、Gong J。基于 CT 的放射组学和机器学习预测肺腺癌的气腔传播。欧元收音机。 2020 年 7 月;30(7):4050-4057。 doi:10.1007/s00330-020-06694-z。 2020 年 2 月 28 日电子版。
  • Chen D、She Y、Wang T、Xie H、Li J、Jiang G、Chen Y、Zhang L、Xie D、Chen C. 使用机器学习对 I 期肺腺癌中肿瘤通过气腔扩散的基于放射组学的预测。 Eur J 心胸外科。 2020 年 7 月 1 日;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. 肿瘤和瘤周区域的放射组学列线图用于术前预测肺腺癌气腔扩散。翻译肿瘤学。 2020 年 10 月;13(10):100820。 doi:10.1016/j.tranon.2020.100820。电子版 2020 年 7 月 1 日。

* 包括数据提供者提供的出版物以及 Medline 中由 ClinicalTrials.gov 标识符(NCT 编号)确定的出版物。
招聘信息
招聘现状主动,不招人
实际招生人数
(投稿时间:2021年5月18日)
150
原始实际注册与当前相同
预计研究完成日期2021 年 6 月 1 日
实际主要完成日期2020 年 7 月 1 日(主要结局指标的最终数据收集日期)
资格标准

纳入标准:

  • 接受肺癌手术的疑似或经细胞分裂素组织学证实的肺腺癌患者;
  • 可用的术前 CT 图像
  • 年龄大于 18 岁

排除标准:

  • 胸壁浸润
  • 感应放疗或化疗
  • 不完全手术切除
性别/性别
适合学习的性别:全部
年龄18 岁及以上(成人、老年人)
接受健康志愿者
联系人联系信息仅在研究招募受试者时显示
上市地点国家意大利
删除位置国家/地区
行政信息
NCT号码NCT04893200
其他研究 ID 号放射学
设有数据监控委员会
美国 FDA 监管产品
研究美国 FDA 监管的药品:
研究美国 FDA 监管的设备产品:
IPD分享声明
计划共享 IPD:未定
责任方Marco Anile,罗马大学
研究赞助商罗马大学
合作者不提供
调查员
首席研究员: Marco Anile,医学博士罗马智慧大学
PRS账户罗马大学
验证日期2021 年 5 月
研究描述
简要总结:

据报道,气腔扩散 (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。最近有人提出放射组学来预测肺腺癌患者的 STAS。然而,所有的研究都严格选择了影像学和患者,导致结果很难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 名连续切除的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、静脉内对比相位和像素大小方面存在很大差异。为了测试标准化在高度变化的数据中的效果,术前 CT 图像和感兴趣的肿瘤区域用四种不同的管道进行了预处理。使用金字塔组学提取特征,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 50 名前瞻性登记为外部验证组的患者中进行了验证,以测试其在 STAS 预测中的有效性。


状况或疾病
肺腺癌

学习规划
学习信息布局表
学习类型观察的
实际招生人数 150 名参与者
观察模型:仅限案例
时间透视:预期
官方名称: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的肿瘤扩散?
实际学习开始日期 2020 年 2 月 1 日
实际主要完成日期 2020 年 7 月 1 日
预计 研究完成日期 2021 年 6 月 1 日
武器和干预
组/队列
肺腺癌
收集并处理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
结果措施
主要结果测量
  1. 灵敏度 [时间范围:操作前 24 小时]
    使用接收器操作特性曲线下的面积测试 Radiomics 预测 STAS 的灵敏度

  2. 特异性[时间范围:手术前24小时]
    使用受试者工作特征曲线下的面积测试 Radiomics 预测 STAS 的特异性


资格标准
资格信息的布局表
适合学习的年龄: 18 岁及以上(成人、老年人)
适合学习的性别:全部
接受健康志愿者:
抽样方法: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
标准

纳入标准:

  • 接受肺癌手术的疑似或经细胞分裂素组织学证实的肺腺癌患者;
  • 可用的术前 CT 图像
  • 年龄大于 18 岁

排除标准:

  • 胸壁浸润
  • 感应放疗或化疗
  • 不完全手术切除
联系方式和地点

地点
位置信息布局表
意大利
Dipartimento di chirurgia Generale e Specialistica "Paride Stefanini"
罗马, 意大利, 00139
赞助商和合作者
罗马大学
调查员
调查员信息布局表
首席研究员: Marco Anile,医学博士罗马智慧大学
追踪信息
首次提交日期2021 年 5 月 6 日
首次发布日期2021 年 5 月 19 日
最后更新发布日期2021 年 5 月 19 日
实际学习开始日期2020 年 2 月 1 日
实际主要完成日期2020 年 7 月 1 日(主要结局指标的最终数据收集日期)
当前的主要结果测量
(投稿时间:2021年5月18日)
  • 灵敏度 [时间范围:操作前 24 小时]
    使用接收器操作特性曲线下的面积测试 Radiomics 预测 STAS 的灵敏度
  • 特异性[时间范围:手术前24小时]
    使用受试者工作特征曲线下的面积测试 Radiomics 预测 STAS 的特异性
原始主要结果测量与当前相同
更改历史记录未发布任何更改
当前的次要结果测量不提供
原始次要结果测量不提供
当前的其他预先指定的结果措施不提供
原始的其他预先指定的结果措施不提供
描述性信息
简短标题基于放射组学的肺腺癌气腔扩散预测模型
官方名称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的肿瘤扩散?
简要总结

据报道,气腔扩散 (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。最近有人提出放射组学来预测肺腺癌患者的 STAS。然而,所有的研究都严格选择了影像学和患者,导致结果很难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 名连续切除的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、静脉内对比相位和像素大小方面存在很大差异。为了测试标准化在高度变化的数据中的效果,术前 CT 图像和感兴趣的肿瘤区域用四种不同的管道进行了预处理。使用金字塔组学提取特征,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 50 名前瞻性登记为外部验证组的患者中进行了验证,以测试其在 STAS 预测中的有效性。

详细说明不提供
学习类型观察的
学习规划观察模型:仅案例
时间透视:前瞻性
目标随访时间不提供
生物标本不提供
抽样方法概率样本
研究人群在罗马 Policlinico Umberto I 医院接受肺癌手术的患者
状况肺腺癌
干涉不提供
研究组/队列肺腺癌
收集并处理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
出版物 *
  • Jiang C、Luo Y、Yuan J、You S、Chen Z、Wu M、Wang G、Gong J。基于 CT 的放射组学和机器学习预测肺腺癌的气腔传播。欧元收音机。 2020 年 7 月;30(7):4050-4057。 doi:10.1007/s00330-020-06694-z。 2020 年 2 月 28 日电子版。
  • Chen D、She Y、Wang T、Xie H、Li J、Jiang G、Chen Y、Zhang L、Xie D、Chen C. 使用机器学习对 I 期肺腺癌中肿瘤通过气腔扩散的基于放射组学的预测。 Eur J 心胸外科。 2020 年 7 月 1 日;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. 肿瘤和瘤周区域的放射组学列线图用于术前预测肺腺癌气腔扩散。翻译肿瘤学。 2020 年 10 月;13(10):100820。 doi:10.1016/j.tranon.2020.100820。电子版 2020 年 7 月 1 日。

* 包括数据提供者提供的出版物以及 Medline 中由 ClinicalTrials.gov 标识符(NCT 编号)确定的出版物。
招聘信息
招聘现状主动,不招人
实际招生人数
(投稿时间:2021年5月18日)
150
原始实际注册与当前相同
预计研究完成日期2021 年 6 月 1 日
实际主要完成日期2020 年 7 月 1 日(主要结局指标的最终数据收集日期)
资格标准

纳入标准:

  • 接受肺癌手术的疑似或经细胞分裂素组织学证实的肺腺癌患者;
  • 可用的术前 CT 图像
  • 年龄大于 18 岁

排除标准:

  • 胸壁浸润
  • 感应放疗或化疗
  • 不完全手术切除
性别/性别
适合学习的性别:全部
年龄18 岁及以上(成人、老年人)
接受健康志愿者
联系人联系信息仅在研究招募受试者时显示
上市地点国家意大利
删除位置国家/地区
行政信息
NCT号码NCT04893200
其他研究 ID 号放射学
设有数据监控委员会
美国 FDA 监管产品
研究美国 FDA 监管的药品:
研究美国 FDA 监管的设备产品:
IPD分享声明
计划共享 IPD:未定
责任方Marco Anile,罗马大学
研究赞助商罗马大学
合作者不提供
调查员
首席研究员: Marco Anile,医学博士罗马智慧大学
PRS账户罗马大学
验证日期2021 年 5 月

治疗医院