Aðferð sem byggir á þýði til að ákvarða tímasamþætta virkni í sameindageislameðferð
Mar 20, 2022
Deni Hardiansyah1, Ade Riana1, Peter Kletting2,3,Nouran RR Zaid2,Matthías Eiber4,Supriyanto A. Pawiro1, Ambros J. Beer3, og Gerhard Glatting2,3*
Ágrip
Bakgrunnur:Útreikningur á tímasamþættri starfsemi (TIA) fyrir æxli og líffæri er nauðsynleg fyrir skammtamælingu í sameindageislameðferð. Nákvæmni reiknaðra TIA er mjög háð valinni ft falli. Val á viðunandi hlutverki er því mjög mikilvægt. Hins vegar virkar líkanaval (þ.e. virkni) nákvæmari þegar fleiri líffræðileg gögn eru tiltæk en venjulega fást hjá einum sjúklingi. Í þessari afturskyggnu greiningu þróuðum við því aðferð fyrir þýðisbundið líkanaval sem hægt er að nota til að ákvarða einstakar tímasamþættar athafnir (TIA). Aðferðin er sýnd í dæmi um [177Lu]Lu-PSMA-I&Tnýrulífhreyfifræði. Það er byggt á þýðisaðlögun og er sérstaklega hagkvæmt fyrir tilvik með fáan fjölda tiltækra líffræðilegra gagna á hvern sjúkling.
Aðferðir:Nýrnalíffræði [177Lu]Lu-PSMA-I&T frá þrettán sjúklingum með krabbamein í blöðruhálskirtli sem er ónæmt fyrir meinvörpum gegn vönun sem fékkst með sléttri myndgreiningu var notuð. Tuttugu veldisfallsföll voru unnin úr ýmsum breytum ein- og tvíveldisfalla. Færibreytur aðgerðanna voru aðlagaðar (með mismunandi samsetningum af sameiginlegum og einstökum breytum) að líffræðilegum gögnum allra sjúklinga. Gert var ráð fyrir að passað væri ásættanlegt á grundvelli sjónrænnar skoðunar á innbyggðum ferlum og breytileikastuðlum ferilskrám<50%. the="" akaike="" weight="" (based="" on="" the="" corrected="" akaike="" information="" criterion)="" was="" used="" to="" select="" the="" theft="" function="" most="" supported="" by="" the="" data="" from="" the="" set="" of="" functions="" with="" acceptable="" goodness="" of="">
Niðurstöður:Fallið A1 e−(- 1 plús -Phys)t plús A1(1 − )e−(Phys)t með sameiginlegri færibreytu var valið sem fallið sem gögnin studdu best með Akaike þyngd upp á 97 prósent. Færibreytur A1 og -1 voru lagaðar fyrir hvern sjúkling á meðan færibreytan var sett inn sem sameiginleg færibreyta í þýðinu sem gaf gildið 0.9632±0.0037. Ályktanir: Framsett þýðisbundið líkanaval gerir ráð fyrir fleiri breytum af rannsökuðum ft-aðgerðum sem leiðir til betri samsvörunar. Það dregur einnig úr óvissunni um Akaike lóðin sem fengust og valin besta ft virkni byggð á þeim. Notkun þýðisákvörðuðu samnýttu færibreytunnar fyrir framtíðarsjúklinga gerir kleift að passa upp á hentugri aðgerðir, einnig fyrir sjúklinga sem aðeins fáar einstakar upplýsingar eru tiltækar um.
Leitarorð:TIAs, Absorbed skammtur, Model val
Tengiliður: ali.ma@wecistanche.com
Bakgrunnur
Æskilegt er að skipuleggja einstaklingsmeðferð fyrir geislavirka meðferð til að hámarka æxlisupptöku skammts á sama tíma og líffæri sem eru í hættu [1-3]. Skammtarnir sem frásogast eru ákvarðast að stærstum hluta af tímasamþættri starfsemi (TIA) [4, 5]. TIA-gildin eru jöfn fjölda niðurbrota notaða geislavirka kjarnans í viðkomandi líffæri. Til að reikna út TIAs er stærðfræðileg aðgerð fyrst sett á mæld lífhreyfifræðileg gögn sem fengin eru úr 2D eða 3D myndmyndun á mörgum tímapunktum [6-9], og þessi aðgerð er síðan samþætt frá tíma núll til óendanleika. Reiknuð TIA gildi byggð á þessari aðlögunaraðferð eru háð völdu ft fallinu [10]. Þess vegna er mikilvægt að nota „ákjósanlega“ ft aðgerðina [11] fyrir nákvæma og nákvæma ákvörðun á TIA og síðan frásoguðum skömmtum. Viðeigandi forsendur fyrir ákjósanlegri ft virkni eru þessi.
(1) aðgerðin sem rannsakað er passar við gögnin, þ.e. hæfileikinn er fullnægjandi, og
(2) aðgerðin er mest studd af þeim gögnum sem fram hafa komið. „Flestar“ vísar hér til safns skynsamlegra aðgerða sem rannsakandinn skilgreinir.
Þó að auðvelt sé að athuga atriði (1) með því að nota staðlaðar viðmiðanir eins og sjónræna skoðun á uppsettu línuriti, magnmat með því að nota breytileikastuðul innbyggðu færibreytanna (< 50%)="" and="" the="" constraints="" for="" the="" correlation="" matrix="" elements="" (absolute="" values="" being="" lower="" than="" 0.8)="" [8],="" item="" (2)="" requires="" model="" (or="" function)="" selection="" based="" on="" quantitative="" analysis="" of="" the="" corrected="" akaike="" information="" criterion="" (aicc)="" [11,="">
Líkanval hefur tvö inntak: Annars vegar safn líkana og hins vegar undirliggjandi athuguð gögn. Hið fyrra er hins vegar háð hinu síðarnefnda, þar sem fá gögn leyfa aðeins notkun líkana (eða samsvarandi aðgerða) með fáum breytum.
Í kjarnorkulækningum er mæling á lífhvarfafræði oft aðeins framkvæmd á nokkrum tímapunktum. Þess vegna, í stað þess að nota aðeins gögn eins sjúklings, þ.e. einstaklingsbundið módelval (IBMS), þar á meðal gögn um fleiri sjúklinga með sama sjúkdóm sem eru meðhöndlaðir með sama geislavirku lyfi gæti verið mikilvægt til að ákvarða ákjósanlegasta ft virkni (liður ( 2) að ofan). Slíkt þýðisbundið líkanaval (PBMS) eykur hlutfall fjölda athugaðra gagna sem notuð eru sem inntak og fjölda áætlaðra stika og dregur þannig úr óvissu í líkanavali. Þar að auki gerir það kleift að nota stækkað líkanasett þar sem aðgerðir með fleiri breytur verða mögulegar. Að auki gætu upplýsingar um starfræna lögun tímavirkniferils fyrri sjúklinga verið notaðar fyrir framtíðarsjúklinga.
Í þessari vinnu kynnum við því almenna aðferð til að bæta útreikninga á TIA með því að nota líffræðilegar upplýsingar um þýði í stað eins sjúklings eingöngu. Aðferðin framkvæmir tilskilið líkanaval byggt á PBMS nálgun og er kynnt í dæmi umnýrulífhvarfafræði í [177Lu]Lu-PSMA-I&T geislabindandi meðferð. Í þessu skyni er sett af stærðfræðilegum líkönum eða föllum skilgreint, þýðismiðað ft er framkvæmt og aðgerðin sem gögnin styðja best er valin með Akaike þyngdaraðferðinni. Þróuðu aðferðina er hægt að nota til að ákvarða einstakar TIAs framtíðarsjúklinga með því að nota bestu virkni sem fæst úr áður mældu þýði.
Efniviður og aðferðir
Líffræðileg gögn um [177Lu]Lu‑PSMA-I&T í nýrum
Þrettán sjúklingar með vönunarþolið blöðruhálskirtilskrabbamein með meinvörpum voru teknir með í þessari afturskyggnu greiningu [13, 14]. Allir sjúklingar gengust undir [177Lu]Lu-PSMA-I&T geislabindandi meðferð (RLT) og eftir meðferð planar heild-líkams scintigrafíur. Líffræðileg gögn (tímavirknigögnin) [ 177Lu]Lu-PSMA-I&T RLT ínýruvoru reiknuð út fránýruáhugaverð svæði með því að nota rúmfræðilegt meðaltal fremri og aftari talninga með bakgrunnsleiðréttingum. Frá þrettán sjúklingum voru 3 sjúklingar með 5-tímapunktagögn, 1 sjúklingur með 4-tímapunktagögn og 9 sjúklingar með 3-tímapunktagögn. Líffræðileg gögn voru fengin eftir (1,1±0,7) klst., (20,7±2,3) klst., (51,0±10,1) klst., (92,3±47,2) klst., (163,8±2,3) klst. 2.1) h pí
Rannsakað mengi veldisfalla
Summar veldisfalla með vaxandi flækjustigi voru notaðar í rannsökuðu líkanasafninu, þar sem slík stærðfræðileg föll eru almennt notuð til að lýsa líffræðilegum ferlum [6-9]:
þar sem fia er ft fall með I færibreytum, Ai Stærri en eða jafnt og 0 eru forþættir, Phys er eðlisfræðilegur hnignunarfasti geislavirksins reiknaður út frá helmingunartíma T1/2 af 177Lu {{5} }Eðlisfræði=ln (2)/T1/2- og -1 og -2 lýsa líffræðilegri úthreinsunartíðni geislavirka lyfsins. Að auki voru eftirfarandi aðgerðir einnig notaðar sem voru skilgreindar á hliðstæðan hátt við úrkynjað eigingildi fyrir dempaðan sveiflu (takið eftir viðbótarstuðlinum t):
Aðgerðirnar þrjár (10)–(12) eru fengnar af jöfnuði. (9) með því að fækka ft breytum. Auk aðgerðanna í Eqs. (1)–(12), við skoðuðum virknina hér að neðan með því að nota öll líffræðileg gögn sjúklingahópsins og sameiginlegri breytuaðferð. Gert er ráð fyrir að sameiginlegar breytur séu þær sömu fyrir alla sjúklinga og eru metnar fyrir öll gögn í sjúklingaþýðinu saman. Aðrar breytur voru metnar fyrir sig út frá gögnunum. Allar eftirfarandi aðgerðir eru fengnar úr falli f3a (Jöfnun (6)) með mismunandi sameiginlegum færibreytum (Jöfnur (13)–(15)) og mismunandi færibreytum (Jöfnun (16)–(18)):
þar sem færibreytur eru brotaframlag samsvarandi veldisvísis með gildum sem eru bundin á milli 0 og 1. Vísitalan S vísar til sameiginlegrar færibreytu. Til fullnustu voru eftirfarandi veldisfall með einum og fjórum áætluðum breytum einnig greind:
Aðlögun gagna Allar aðgerðir (jöfnur (1)–(20)) voru tengdar lífhvarfagögnumnýrumeð því að nota IBMS og PBMS nálgunina þar sem allar breytur eru bundnar við jákvæð gildi. Festingar voru gerðar með því að nota hermigreiningar- og líkanahugbúnaðinn SAAMII v.2.3 (Te Epsilon Group, Charlottesville, VA, Bandaríkjunum) [15]. Eftirfarandi reiknistillingar voru notaðar fyrir innréttingarnar: Rosenbrock reiknirit, samleitniviðmiðun 10–4 og dreifnilíkan sem byggir á algeru dreifni með brotastaðalfráviki 0,15 [15].
Glæsileiki þjófnaða var athugaður með sjónrænni skoðun á uppsettum línuritum, breytileikastuðull CV á innbyggðum breytum (<0.5), and="" the="" off-diagonal="" values="" of="" the="" correlation="" matrix=""><><0.8 for="" most="" elements)="" according="" to="" the="" compilation="" in="" table="" 1="" in="" ref.="">
Gerð val
Til að velja hvaða aðgerð er mest studd af gögnunum, leiðrétta Akaike upplýsingaviðmiðið AICc, sem er leiðrétt fyrir lágt hlutfall af fjölda gagna N og fjölda breytu K, þ.e. N/K<40 [11],="" and="" the="" corresponding="" akaike="" weights="" [11]="" were="" calculated="" as="">
þar sem P er áætlað hlutfallsfall sem er lágmarkað fyrir aðlögun, AICcmin er lægsta AICc gildi allra aðlagaðra falla, i er munurinn á AICci falls I og AICcmin, F er heildarfjöldi rannsakaðra falla og hvernig CCI er Akaike þyngd virkni i. Akaike-vigtin gefa til kynna líkurnar á því að líkanið sé það besta meðal alls safnsins af yfirveguðum módelum [11].
From those functions which passed the goodness-of-fit test ("Data fitting" section), the functions with an Akaike weight>0.05 voru valdar sem þær aðgerðir sem gögnin styðja best. Þetta var notað til að ákvarða flatarmálið undir feril tímavirkniferilsins [177Lu]Lu-PSMA-I&T RLT ínýru.
Verkflæði
Í fyrirhugaðri PBMS aðferð eru færibreytur Eqs. (1)–(12) voru festir ánýrulíffræðilegar upplýsingar um þýðið (13 sjúklingar). Til að kanna hvort hægt væri að lýsa gögnum sjúklinganna með sameiginlegum breytum var gerð þýðisaðlögun til að áætla færibreytur falla í jöfnum. (13) til (18) með sameiginlegu mati á færibreytum. Líkanaval var framkvæmt með því að nota Akaike lóðin ("Data fitting" hlutann).
Til viðbótar við PBMS aðferðina, framkvæmdum við einnig IBMS aðferðina [8, 9] með því að nota föllin í Eqs. (1)–(12) fyrir sjúklinga P1, P3 og P4, sem fimm líffræðilegir mælingar eru tiltækir fyrir. Lágmarksfjöldi gagnapunkta fyrir AICc-undirstaða líkanaval er jöfn fjölda stillanlegra færibreyta Kmax plús 2 eins og sést af jöfnuði. (21). Þess vegna, aðeins fyrir þessa 3 sjúklinga, var hægt að nota allar aðgerðir með allt að 3 breytur. Besta líkanið sem fékkst úr aðferð IBM fyrir þessa sjúklinga var síðan notað til að reikna út TIAs á [177Lu]Lu-PSMA-I&T hjá öllum þrettán sjúklingunum. Frammistaða þeirra aðgerða sem valin voru sem mest studd af gögnunum með því að nota PBMS og IBMS nálgunina, í sömu röð, var metin út frá sjónrænni skoðun á uppsettum línuritum. Að auki var hlutfallslegt frávik RD milli TIA frá báðum aðferðum einnig borið saman og greind. Jackknife aðferðin var notuð til að greina stöðugleika besta líkansins sem valið var með líkanavali [11, 16]: Í þessu skyni var leave-one-out aðferðinni beitt 13 sinnum með aðeins 12 sjúklingum við útreikning á Akaike þyngd. Jackknife var notað til að athuga hvort framleiðsla líkanavals frá bæði PBMS og IBMS myndi breytast fyrir mismunandi gagnasett (þ.e. að skilja einn sjúkling eftir 13 sinnum) sem notuð voru í greiningunni.
Niðurstöður
Með því að nota PBMS nálgunina eru færibreytur veldisfallsfalla í Eqs. (1)– (20) voru samræmdar lífhvarfagögnumnýruhjá öllum sjúklingum. Innréttingarnar stóðust ekki viðmiðin um hæfileika ft fyrir 14 af rannsökuðum aðgerðum, þ.e. aðlögunin mistókst á grundvelli sjónrænnar skoðunar á innbyggðu línuritinu eða ófullnægjandi hæfileika ft (tafla 1). Ekki var hægt að setja aðgerð f4 með 4 breytum fyrir sjúklinga sem hafa gögn fyrir
aðeins {{0}}tímapunktar. Af hinum 5 aðgerðum sem eftir voru var f3aS4 valið sem aðgerðin sem studd er best af gögnunum í PBMS nálguninni, byggt á Akaike þyngdinni 97 prósent (tafla 1). Áætlað gildi , sem var sett inn sem sameiginleg færibreyta hjá öllum sjúklingum, er (0.9632±0.0037). Byggt á Jackknife aðferðinni var niðurstaða PBMS aðferðarinnar fyrir virkni f3aS4 mjög stöðug (miðgildi Akaike þyngdar 97 prósent á bilinu 33 prósent -100 prósent, Tafla 1).
Með því að nota nálgun IBM eru færibreytur veldisfallsfalla í Eqs. (1)– (12) voru settar fyrir sig að lífhvarfagögnumnýruhjá sjúklingum P1, P3 og P4. Viðmiðin um hæfni náðust ekki fyrir 8 aðgerðir (tafla 2). Aðgerð f2b var valin besta líkanið í nálgun IBM byggt á gildum Akaike þyngdanna 100 prósent , 60 prósent og 100 prósent , fyrir P1, P3 og P4, í sömu röð (tafla 2). Jackknife aðferðin var ekki framkvæmd fyrir IBMS tæknina vegna þess að fækkun gagnafjölda í 4 fyrir sjúklinga P1, P3 og P4 leyfði aðeins útreikning á AICc þyngd fyrir aðgerðir með 2 breytur (Eq. (21)).
Mynd 1 sýnir samanburð á virkni f3aS4 sem fæst með PBMS nálguninni og virkni f2b úr nálgun IBM til að útskýra rannsökuð lífhvarfagögnnýru. Sjónræn skoðun á línuritunum á mynd 1 sýnir að fall f3aS4 hefur tiltölulega betri eða að minnsta kosti jafngilda frammistöðu og fall f2b. Mynd 2 sýnir samsvarandi tímasamþættar athafnir (TIA).
Umræða
Í þessari vinnu beittum við þýðisbundnu líkanavali til að reikna út einstakar TIAs, en nákvæm ákvörðun þeirra er mikilvæg fyrir einstaklingsskammtamælingar og meðferðaráætlun. Notkun líkanavalsferlis er hagstæð vegna þess að hún eykur endurgerðanleika niðurstaðna með því að velja hlutlægt ft fall úr mengi falla (líkön), öfugt við beitingu þumalputtareglunnar [7] eða einfaldlega notandagiska. Val á góðu stærðfræðilegu líkani (þ.e. fall) fyrir útreikning á TIA er mikilvægt, þar sem notkun á óviðeigandi falli mun ógilda eða að minnsta kosti versna niðurstöðuna. Þess vegna er líkanaval mikilvægur og mikilvægur þáttur í greiningu vísindagagna [12].
Tiltæk þýðisgögn í kjarnorkulækningum eru yfirleitt misleit og dreifð. Hægt er að nota framkomna aðferð við þessar algengu aðstæður. Hægt er að fá lyfjahvarfaupplýsingar misleitra gagna úr þýði og kynna þær fyrir einstaklinginn. Kostir aðferðar okkar nást með því að bæta bæði aðföngin, þ.e. (1) gögnin og (2) líkönin sem það besta er valið úr. Þetta bætir einnig útkomuna.
(1) Gögn um þýði í stað eins sjúklings eru notuð við gerð líkanavals. Í [177Lu]Lu-PSMA-I&T geislabindandi meðferð, sem dæmi okkar, er notkun f2b fallsins raunin þar sem bæði PBMS og IBMS nálgunin eru eins. Eins og sést í töflu 1 er Akaike þyngdin, þ.e. líkurnar á að f2b sé besta fallið, lægri um stærra stuðul en 3247 samanborið við f3aS4 fallið, sem gefur til kynna marktækt betri samsvörun. Einnig er f2b fallið með lægstu líkurnar á öllum aðgerðum með ásættanlegan hæfileika ft. Mat á stöðugleika líkanavalsferlisins þarf að beita Jackknife aðferðinni [11, 16]: Fyrir PBMS bestu virkni f3aS4, fjarlægja einn sjúkling að hafa 5, 4 eða 3 gagnapunkta gefur N/K hlutföllin 41/25≈1,64, 42/25≈1,68, 43/25≈1,72, í sömu röð. Þessi hlutföll eru aðeins frábrugðin heildarsjúklingaþýðinu: N/K=46/27≈1,70. Fyrir IBMS bestu virkni f2a verður að fjarlægja einn gagnapunkt sjúklingsins sem er til skoðunar fyrir stöðugleikamatið. Þannig, að fjarlægja einn gagnapunkt fyrir sjúklinga með 5, 4 eða 3 gagnapunkta leiðir til N/K hlutfalla 4/2=2, 3/2=1.5, 2/2=1, í sömu röð. Hins vegar, frá Eq. (21), það fylgir útreikningi á AICc að Kmax=N−2. Þannig verður mat á stöðugleika IBMS aðferðarinnar ómögulegt fyrir sjúklinga sem hafa aðeins 4 eða 3 gagnapunkta og líklegast óstöðugt fyrir sjúklinga með 5 tiltæka gagnapunkta.
Þessi meiri stöðugleiki PBMS niðurstaðna samanborið við IBMS sést einnig þegar borin eru saman niðurstöðurnar í töflum 1 og 2: En fyrir PBMS aðferðina er Akaike þyngdin fyrir bestu virkni 97,4 prósent (tafla 1) með miðgildi 97 prósent og á bilinu 33 til 100 prósent , fyrir IBMS aðferðina er besta ft virkni eins sjúklings (P3, Tafla 2) nokkuð óviss með þyngd aðeins 60 prósent og - síðast en ekki síst - Jackknife aðferðin til að reikna út óvissu fyrir Akaike þyngdina er ómögulegt fyrir alla þrjá sjúklingana. (2) Módelmengið, sem það besta er valið úr, er einnig takmarkað af Kmax=(N−2) [8, 9, 11, 12]. Þess vegna, í dæminu okkar, myndi PBMS aðferðin í grundvallaratriðum leyfa að hafa í líkanasettinu aðgerðir með allt að 44 breytum. Ljóst er að fleiri og flóknari aðgerðir í aðgerðinni leyfa betri módelvalsniðurstöðu og endurspegla þannig líka betur hina raunverulegu lífhreyfifræði. Aftur á móti er val á einstaklingslíkönum (td fyrir sjúklinga með þrjá gagnapunkta) aðeins mögulegt fyrir aðgerðir sem fer aðeins eftir einni færibreytu. Slíkar aðgerðir munu þó ekki geta endurspeglað lífhvörf á fullnægjandi hátt.
Annar kostur PMBS aðferðarinnar er möguleikinn á að nota aðgerðir með sameiginlegum breytum í þýðinu. Fyrir sjúklingahópinn okkar, skiluðum við virkni til að metanýruTIA með =0.9632. Þessa niðurstöðu er hægt að nota á framtíðarsjúklinga með því að nota samnýttu færibreytuna sem fasta færibreytu og áætla A1 og -1 aðeins fyrir síðari sjúklinga. Þannig að þegar besta líkanið hefur verið auðkennt er hægt að nota þetta líkan fyrir síðari sjúklinga með samsvarandi föstum breytum. Jafnvel sjúklingum sem hafa færri gögn er hægt að passa með því að nota slíkar sameiginlegar breytur sem fastar breytur.
Almennt vandamál í klínískri skammtamælingu er að óljóst er hvaða virkni passar við gögnin. Þetta á jafnvel við um tilvik með mörg gögn á hvert líffæri, en jafnvel meira viðeigandi fyrir þau tilvik með aðeins fá gögn. Þetta er líka spurning um endurgerðanleika, þar sem hver notandi mun hugsanlega nota aðra aðgerð sem skilar mjög mismunandi árangri. Hins vegar er fyrirhuguð aðferð okkar mun endurtakanlegri af tveimur ástæðum: Í fyrsta lagi notum við margar aðgerðir og veljum þá bestu (líkanaval): Þetta dregur nú þegar úr breytileika í niðurstöðum sem mismunandi notendur fá. Í öðru lagi, líkanval hefur einnig óvissu, sem getur verið jafnvel ómögulegt að reikna út eins og við sýnum fyrir IBMS í dæminu okkar ef það er notað á gögn um aðeins eins sjúklings. Þessi óvissa minnkar til muna í PBMS nálguninni með því að bæta við upplýsingum sem er að finna í þýði svipaðra sjúklinga (töflur 1, 2).
Fyrir dæmið okkar sjáum við greinilega á línuritunum á mynd 1 að aðgerð f3aS4 sem fæst með PBMS nálguninni hefur betri eða svipaða frammistöðu samanborið við aðgerð f2b sem er valin af nálgun IBM. Mynd 2 sýnir þau miklu áhrif sem valin ft virkni getur haft á TIA sumra sjúklinga (td P6).
Hinir miklu kostir þess að nota PBMS umfram IBMS gera ráð fyrir því að hreyfihvörf í þýðinu eigi viðeigandi sameiginlegt sem er rétt greint með PBMS. Til þess er sérstaklega nauðsynlegt að fela „réttu“ föllin í mengi aðgerða sem skoðuð eru. Til dæmis, ef við hefðum ekki tekið aðgerðina f3aS4 inn í virknina okkar, hefði aðgerðin f3aS3 verið valin besta aðgerðin með Akaike þyngd upp á 98,1 prósent (sem er jafnvel hærra en fyrir fall f3aS4). Þess vegna, miðað við Akaike þyngdina eina, getum við ekki þegar ályktað að fall sé mjög gott. Þar af leiðandi þarf að leggja ríka áherslu á að allar viðeigandi aðgerðir séu með í líkanasafninu.
Líffræðileg gögn umnýruí [177Lu]Lu-PSMA-I&T geislabindandi meðferð var notuð til að sýna fram á aðferðina. Hins vegar er hægt að nota og útfæra aðferðina fyrir mismunandi líffæri og einnig fyrir æxli. Eini hluti aðgerðarinnar sem þarf ef til vill að aðlaga að mismunandi líffærum snýr að mengi aðgerða, þar sem þetta sett ætti að innihalda hentugar aðgerðir sem geta vel lýst lífhvörfum líffærisins í huga. Til dæmis, ef æxlin eru með langan uppsöfnunarfasa, þyrfti að hafa viðeigandi aðgerðir í virknisettinu þannig að virknin sem best studd er af gögnunum lýsi í raun samsvarandi lífhvörf vel.
Inntak, vinnsla og úttak fyrirhugaðrar PBMS aðferðar í þessari rannsókn hafa eftirfarandi takmarkanir.
Fyrir inntak PBMS:
1. Óvissa magngagnanna gæti haft áhrif á val líkansins. Sýnt hefur verið fram á að nákvæm og nákvæm megindleg gögn eru nauðsynleg sem inntak fyrir útreikninga á TIA [17] og meginreglurnar um „sorp í sorp út“ gilda. Þar sem megintilgangur þessarar rannsóknar er að kynna PBMS aðferðina, er innleiðing aðferðarinnar fyrir ákveðin tilvik, td innleiðing í mismunandi líffæri eða greining á áhrifum myndgreiningar, utan ramma þessarar rannsóknar.
2. Fjöldi gagna sem notaður er í rannsókn okkar er tiltölulega lítill. Í þessari grein kynnum við aðferð sem er aðallega þörf í þeim tilvikum þar sem ekki eru mikið af gögnum tiltæk. Þess vegna er afleitt mikilvægt að aðferðin sé kynnt fyrir sjúklingum með takmarkað gögn. Auðvitað myndu fleiri gögn leiða til nákvæmari og nákvæmari niðurstaðna. Þótt lítill fjöldi gagna takmarki eðlilega þýðingu niðurstaðna okkar sýna niðurstöðurnar aftur á móti að nálgun okkar virkar.
3. Líkanavalið sem notað er í rannsókn okkar byggir á ákveðinni aðferð, þ.e. AICc. Það eru líka til aðrar aðferðir við val á gerðum eins og F-prófið [11, 18] og Bayesian Information Criterion (BIC, [11, 19]). Hins vegar hefur verið sýnt fram á að AICc aðferðin er áhrifarík og skilvirk nálgun, sem á við um hreiður og óhreiðuð líkön [11].
4. Summar veldisfalla með vaxandi flækjustigi voru notaðar í rannsökuðu líkanasafninu, þar sem slík stærðfræðiföll eru almennt notuð til að lýsa líffræðilegum ferlum [6–9]. Í öllum aðgerðum er líkamleg hnignun útfærð sem þáttur, þar sem sýnt var að slík nálgun skilar betri árangri ef gert er ráð fyrir I Stærri en eða jafnt og 0 [20, 21]. Hins vegar eru engar almennar reglur sem virka á að hafa með í mengi líkanaaðgerða, nema að notast skal við allar tiltækar fræðilegar og reynslusögur til að skilgreina fullnægjandi sett af kandídatalíkönum fyrirfram [11]. Þetta er afleiðing þess að AICc getur aðeins valið bestu gerð Kullback–Leibler úr umsækjendum. „Ef öll umsækjendalíkön eru léleg, mun AICc velja besta áætlaða, en engu að síður lélega líkanið“. [11].
Viðbótarföllum (ekki veldisvísis) hefði verið hægt að bæta við mengi prófaðra falla í greiningu okkar. Þetta er hins vegar ekki stutt af fyrri reynsluþekkingu þar sem veldisfallsföll eru nægjanleg til að lýsa flestum lífhvörfum. Byggt á lífhvarfagögnum sem sýnd eru á mynd 1, mun einnig samlagning á summum veldisvísis með fleiri breytum ekki skila árangri. Þó að við gætum öðlast meira traust á niðurstöðum líkanavals okkar með því að prófa fleiri aðgerðir, mun þetta auka vinnuálagið sem gefur líklegast sömu niðurstöðu fyrir þá aðgerð sem er best studd af gögnunum.
5. Í þessari rannsókn leggjum við til aðferð sem byggir aðeins á fyrirliggjandi gögnum. Ljóst er að könnun á áhrifum mismunandi tímaáætlana á umbætur þegar þessi aðferð er notuð væri einnig áhugaverð en er utan ramma þessarar rannsóknar.
Við vinnslu á PMBS: Tiltekinn hugbúnaður, þ.e. SAAMII, var notaður til að passa greiningu. Hins vegar, til þess að hægt sé að endurgera ft, nægja sömu inntaksgögn, sama hlutfallsfall og handahófskennt reiknirit, sem finnur lágmark hlutfallsfallsins. Þess vegna mun hvaða hugbúnaður sem er fær um slíkt reiknirit skila sömu niðurstöðum. Hugbúnaður sem notar sama reiknirit er til dæmis NUKFIT hugbúnaðurinn [8] sem er ókeypis fyrir fræðilega notkun. Fyrir framleiðsla PBMS: Í versta tilfelli geta þýðisupplýsingarnar sem eru í bestu virkninni, sem eru fengnar með PBMS aðferðinni, ekki hentað til nákvæmrar ákvörðunar á TIA næsta sjúklings. Hins vegar er ólíklegt að þetta gerist þar sem það hefur verið sýnt fram á í mörgum rannsóknum að útfærslur íbúaupplýsinga gætu bætt nákvæmni útreikninga TIAs [3, 22].
Ályktanir
Í þessari afturskyggnu greiningu leggjum við til aðferð til að framkvæma líkanaval fyrir sjúklingahóp til að meta einstök TIA fyrir síðari sjúklinga. Með því að nota fyrirhugaða aðferð getum við fengið betur rökstudda virkni til að ákvarða TIA, þar sem líkanavalið byggist á sjúklingaþýði, þ.e. á fleiri gögnum, í stað þess að vera aðeins á einum sjúklingi. Fleiri gögn, annars vegar, leyfa fleiri færibreytur rannsakaðra ft-aðgerða og auka þannig pláss passaaðgerða sem hægt er að taka með í mengi aðgerða fyrir val á gerðum. Á hinn bóginn dregur það úr óvissunni á Akaike lóðunum sem fengust og þar með óvissunni í valinni ft aðgerð sem er mest studd. Þessi nálgun er sérstaklega mikilvæg ef - eins og oft er raunin í klínískum kjarnorkulækningum - aðeins lítill fjöldi líffræðilegra gagna á hvern sjúkling er tiltækur í þeim sjúklingahópi sem verið er að skoða.
cistanche ávinningur og aukaverkanir, smelltu hér til að fá frekari upplýsingar
Abbsriatiás
AICc: leiðrétt Akaike upplýsingaviðmiðun; IBMS: Einstaklingsbundið líkanaval; PBMS: Mannfjöldabundið líkanaval; RD: Hlutfallslegt frávik; RLT: Geislabindandi meðferð; TIA: Tímasamþætt starfsemi.
Authors' cáþríbutiás
DH hannaði afturskyggna greininguna, framkvæmdi rannsóknir og skrifaði handritið. AR gerði rannsóknir og skrifaði handritið. Ég tók þátt í gagnasöfnun sjúklinga og skrifaði handritið. NZ, SAP og AJB skoðuðu og skrifuðu handritið. PK og GG hönnuðu yfirlitsgreininguna og skrifuðu handritið. Allir höfundar lásu og samþykktu lokahandritið.
Funding
Open Access fjármögnun virkjuð og skipulögð af Projekt DEAL. Þessi vinna var styrkt af samvinnurannsóknarstyrk frá Universitas Indonesia með samningsnúmeri NKB-1947/UN2.R3.1/HKP.05.00/2019 og Ulm University, Þýskalandi sem samstarfsaðili þessarar rannsóknar . NRRZ viðurkennir með þakklæti fjármögnun frá DAAD (German Academic Exchange Service, Research Grants, Doctoral Programs in Germany 2018/19-57381412).
Availability of data og materials
Gögnin sem notuð eru eru fáanleg hjá samsvarandi höfundi ef sanngjarnt er óskað.
Declaratiás
Ethics appreggfrumul og consent to participate
Siðanefnd Tækniháskólans í München samþykkti afturskyggna greininguna (leyfi 115/18 S), og var fallið frá kröfunni um að fá upplýst samþykki.
Samsist for králicatiá
Allir höfundar lásu handritið og samþykktu útgáfu þess.
Competing interel
Höfundar lýsa því yfir að þeir hafi engra hagsmuna að gæta.
Author Upplýsingar
1 Lækniseðlis- og lífeðlisfræðideild, eðlisfræðideild, stærðfræði- og náttúruvísindadeild, Universitas Indónesíu, 16424 Depok, Indónesía. 2 Medical Radiation Physics, Department of Nuclear Medicine, Ulm University, Albert-Einstein-Allee 23, 89081 Ulm, Þýskalandi. 3 Department of Nuclear Medicine, Ulm University, 89081 Ulm, Þýskalandi. 4 Department of Nuclear Medicine, Klinikum rechts der Isar, Technische Universität München, 81675 Munchen, Þýskalandi.
Heimildir
1. Lassmann M, Chiesa C, Flux G, Bardiès M, nefnd ED. Leiðbeiningarskjal EANM skammtanefndar: góðar venjur við klínískar skammtamælingar. Eur J Nucl Med Mol Myndgreining. 2011;38(1):192–200.
2. Glatting G, Bardiès M, Lassmann M. Meðferðaráætlun í sameindageislameðferð. Z Med Phys. 2013;23(4):262–9.
3. Hardiansyah D, Maass C, Attarwala AA, Müller B, Kletting P, Mottaghy FM, et al. Hlutverk sjúklingabundinnar meðferðaráætlunar í peptíðviðtaka geislavirkum meðferð. Eur J Nucl Med Mol Myndgreining. 2016;43(5):871–80.
4. Hardiansyah D, Kletting P, Begum NJ, Eiber M, Beer AJ, Pawiro SA, et al. Mikilvægar lyfjahvarfabreytur fyrir einstaklingsmiðun 177 Lu-PSMA meðferðar: alþjóðleg næmisgreining fyrir lífeðlisfræðilega byggt lyfjahvarfalíkan. Med Phys. 2021;48(2):556–68.
5. Zvereva A, Kamp F, Schlattl H, Zankl M, Parodi K. Áhrif breytileika milli sjúklinga á mat á líffæraskammtum samkvæmt MIRD skema: óvissu- og breytileikabundin næmisgreining. Med Phys. 2018;45(7):3391–403.
6. Strand SE, Zanzonico P, Johnson TK. Lyfjahvarfalíkön. Med Phys. 1993;20(2 Pt 2):515–27.
7. Siegel JA, Thomas SR, Stubbs JB, Stabin MG, Hays MT, Koral KF, o.fl. MIRD bæklingur nr. 16: aðferðir til að afla og greina magn geislavirkrar lífdreifingargagna til notkunar við mat á geislaskammtum manna. J Nucl Med. 1999;40(2):37S-61S.
8. Kletting P, Schimmel S, Kestler HA, Hänscheid H, Luster M, Fernandez M, et al. Sameindageislameðferð: NUKFIT hugbúnaðurinn til að reikna út tímasamþættan virknistuðul. Med Phys. 2013;40(10):102504.
9. Kletting P, Schimmel S, Hänscheid H, Luster M, Fernandez M, Nosske D, et al. NUKDOS hugbúnaðurinn til að skipuleggja meðferð í sameindageislameðferð. Z Med Phys. 2015;25:264–74.
10. Konijnenberg M. Frá myndgreiningu til skammtamælinga og líffræðilegra áhrifa. QJ Nucl Med Mol Myndgreining. 2011;55(1):44–56.
11. Glatting G, Kletting P, Reske SN, Hohl K, Ring C. Að velja ákjósanlegasta ft fall: samanburður á Akaike upplýsingaviðmiðinu og F-prófinu. Med Phys. 2007;34(11):4285–92.
12. Burnham KP, Anderson DR. Líkönval og ályktun fjölmódel. New York: Springer; 2002.
13. Begum NJ, Thieme A, Eberhardt N, Tauber R, D'Alessandria C, Beer AJ, et al. Áhrif heildaræxlisrúmmáls á líffræðilega virkan skammt til æxlis ognýrufyrir 177 Lu-merkt PSMA peptíð. J Nucl Med. 2018;59(6):929–33.
14. Kletting P, Thieme A, Eberhardt N, Rinscheid A, D'Alessandria C, Allmann J, et al. Líkanagerð og spá um æxlissvörun í geislabindandi meðferð. J Nucl Med. 2019;60(1):65–70.
15. Barrett PH, Bell BM, Cobelli C, Golde H, Schumitzky A, Vicini P, et al. SAAM II: hugbúnaður fyrir uppgerð, greiningu og líkanagerð fyrir sporefni og lyfjahvarfarannsóknir. Efnaskipti. 1998;47(4):484–92.
16. Shao J, Tu D. The jackknife og bootstrap. New York: Springer; 1995.
17. Glatting G, Lassmann M. Nuclear medicine dosimetry: quantitative imaging and dose calculations. Z Med Phys. 2011;21(4):246–7.
18. Sachs L. Angewandte Statistik. Anwendung statistischer Methoden. 9. útgáfa. Berlín: Springer; 1999. bls. 887.
19. Schwarz G. Mat á stærð líkans. Ann Stat. 1978;6(2):461–4.
20. Glatting G, Reske SN. Meðferð við geislavirkri rotnun í lyfjahvarfalíkönum: áhrif á mat á breytum í hjarta 13 N-PET. Med Phys. 1999;26(4):616–21.
21. Williams LE, Odom-Maryon TL, Liu A, Chai A, Raubitschek AA, Wong JY, o.fl. Um leiðréttingu fyrir geislavirkri rotnun í lyfjahvarfalíkönum. Med Phys. 1995;22(10):1619–26.
22. Maass C, Sachs JP, Hardiansyah D, Mottaghy FM, Kletting P, Glatting G. Háð nákvæmni meðferðaráætlunar í peptíðviðtaka geislavirkum meðferð á sýnatökuáætluninni. EJNMMI Res. 2016;6(1):30