Počítačem podporovaná predikce histologie polypů in vivo při kolonoskopii bílého světla
Naše skupina před touto studií vyvinula ručně vyrobený prediktivní model založený na extrakci povrchových vzorů (textonů) s diagnostickou přesností více než 90 %24. Tato metoda byla ověřena v malém datovém souboru obsahujícím pouze vysoce kvalitní snímky.
Očekává se, že umělá inteligence zlepší přesnost optické diagnostiky kolorektálních polypů. Navrhujeme hybridní přístup kombinující systém hlubokého učení (DL) s funkcemi polypů indikovanými lékaři (HybridAI). Bude proveden pilotní experiment in vivo.
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Optická diagnostika má za cíl předpovědět histologii polypu na základě jeho endoskopických znaků. Tato praxe by mohla zabránit histopatologické analýze a snížit odvozené náklady. Na základě tohoto předpokladu stanovila Americká společnost pro gastrointestinální endoskopii (ASGE) ve svém prohlášení PIVI (Preservation and Incorporation of Valuable endoscopic Innovations) diagnostický práh pro endoskopické hodnocení malých polypů v reálném čase. Důvodem pro jeho implementaci je, že prevalence pokročilé histologie u polypů < 5 mm je velmi nízká (0,5 %).
Několik studií prokázalo, že optická diagnostika malých polypů je bezpečná a proveditelná v klinické praxi a srovnatelná se současným zlatým standardem, histopatologií. Přesnost optické diagnostiky se však ukázala jako nedostatečná v komunitních praxích nebo v rukou neodborníků a diagnóza je ještě obtížnější u malých polypů < 3 mm, u kterých je rozdíl mezi endoskopickou a patologickou diagnózou asi 15 %.
Umělá inteligence (AI) se objevila jako pomocný nástroj pro charakterizaci polypů.
S cílem zlepšit optickou diagnostiku pomocí metod AI navrhujeme hybridní přístup, který kombinuje DL s charakteristikami polypů ručně indikovaných endoskopisty (HybridAI).
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
-
Barcelona, Španělsko, 08036
- Hospital Clínic de Barcelona
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
Budou zahrnuti všichni pacienti s polypy jakékoli velikosti/morfologie, detekovanými rutinní nebo screeningovou kolonoskopií, kteří jsou resekováni endoskopicky a odebíráni pro histologickou analýzu.
Získané snímky budou použity k rozšíření databáze.
Popis
Kritéria pro zařazení:
- Věk > 18 let
- Schválení účasti ve studii. Podpis informovaného souhlasu
- Pacienti s alespoň jedním polypem jakékoli velikosti/morfologie diagnostikovaným při běžné nebo screeningové kolonoskopii
- Endoskopie prováděné endoskopy s vysokým rozlišením
Kritéria vyloučení:
- Věk <18 let
- Odmítnutí účasti ve studii
- Polypy částečně resekované při předchozí endoskopii
- Pacienti se zánětlivým onemocněním
- Nemožnost omýt zbytky stolice nebo hlenu na povrchu polypu
Studijní plán
Jak je studie koncipována?
Detaily designu
- Observační modely: Kohorta
- Časové perspektivy: Budoucí
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Přesnost počítačově podporovaného systému pro predikci histologie polypů v reálné klinické praxi
Časové okno: Jeden rok
|
Výsledky predikce počítačově podporovaného systému budou porovnány se závěrečnou zprávou o patologii, která je zlatým standardem
|
Jeden rok
|
Spolupracovníci a vyšetřovatelé
Sponzor
Spolupracovníci
Publikace a užitečné odkazy
Obecné publikace
- Byrne MF, Chapados N, Soudan F, Oertel C, Linares Perez M, Kelly R, Iqbal N, Chandelier F, Rex DK. Real-time differentiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonoscopy using a deep learning model. Gut. 2019 Jan;68(1):94-100. doi: 10.1136/gutjnl-2017-314547. Epub 2017 Oct 24.
- Sanchez-Montes C, Sanchez FJ, Bernal J, Cordova H, Lopez-Ceron M, Cuatrecasas M, Rodriguez de Miguel C, Garcia-Rodriguez A, Garces-Duran R, Pellise M, Llach J, Fernandez-Esparrach G. Computer-aided prediction of polyp histology on white light colonoscopy using surface pattern analysis. Endoscopy. 2019 Mar;51(3):261-265. doi: 10.1055/a-0732-5250. Epub 2018 Oct 25.
- Bernal J, Histace A, Masana M, Angermann Q, Sanchez-Montes C, Rodriguez de Miguel C, Hammami M, Garcia-Rodriguez A, Cordova H, Romain O, Fernandez-Esparrach G, Dray X, Sanchez FJ. GTCreator: a flexible annotation tool for image-based datasets. Int J Comput Assist Radiol Surg. 2019 Feb;14(2):191-201. doi: 10.1007/s11548-018-1864-x. Epub 2018 Sep 25.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Aktuální)
Dokončení studie (Aktuální)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- HISINVIA
- PI17/00894 (Jiné číslo grantu/financování: Instituto de Salud Carlos III)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .