在双读临床试验中,我们可以预测不一致的RECIST 1.1评估吗?
Hubert Beaumont1, Antoine Iannessi1
1Sciences, Median Technologies, Valbonne, France.
Frontiers in oncology
|October 23, 2023
概括
肺癌临床试验中读者之间的差异是常见的,特别是响应日期,机器学习模型对这些变异的预测能力有限. 需要进一步的研究来提高预测这些评估差异的准确性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 临床试验 临床试验
背景情况:
- 盲目的独立中央审查与双重阅读是肺癌成像试验的标准,以最大限度地减少偏差.
- 固体瘤反应评估标准 (RECIST) 仍然是瘤评估的广泛采用的标准.
- 了解读者之间的差异对于可靠的临床试验结果至关重要.
研究的目的:
- 在肺癌临床试验中随着时间的推移分析读者间差异率.
- 确定与基线评估差异相关的风险因素.
- 评估机器学习在预测读者之间的差异方面的潜力.
主要方法:
- 五个盲目的独立中央审查 (BICR) 肺癌试验的回顾性分析.
- 17名放射科医生对1724名患者进行了双重阅读,使用RECIST 1.1标准.
- 对已宣布的进展性疾病 (PDD),进展性疾病日期 (DOPD),最佳总体反应 (BOR) 和首次反应日期 (DOFR) 的差异评估.
主要成果:
- 差异率为21.0% (PDD),41.0% (DOPD),28.8% (BOR) 和48.8% (DOFR) 的差异率.
- 随着试验持续时间的推移,差异率增加,特别是响应日期 (DOFR > DOPD).
- 机器学习预测表现不佳,尽管BOR的积极预测值超过了80% .
结论:
- 肺癌试验中读者之间的差异是显著的,随着时间的推移而增加.
- 根据基线数据预测这些差异是具有挑战性的,因为风险因素显著不足.
- 提高预测准确性需要增强基线特征或考虑额外的风险因素.
