Brugen af kunstig intelligens til at forudsige kræftlymfeknuder for lungekræftstadie under ultralydsbilleddannelse
Udvikling og validering af en computerstøttet algoritme ved brug af kunstig intelligens og dybe neurale netværk til segmentering af ultralydstræk ved lymfeknuder under endobronchial ultralyd
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
Ontario
-
Hamilton, Ontario, Canada, L8N 4A6
- St. Joseph's Healthcare Hamilton
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- skal være diagnosticeret med bekræftet eller mistænkt lungekræft og være under EBUS-diagnose/stadieinddeling
Ekskluderingskriterier:
- Ingen
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Udvikling af computeralgoritme til at identificere lymfeknudeultralydsfunktioner
Tidsramme: Fra retrospektiv dataindsamling til algoritmeudvikling (1 måned)
|
Formål: at bestemme, om et dybt neuralt AI-netværk (NeuralSeg) kan lære at tildele Canada Lymph Node Score til lymfeknuder undersøgt af EBUS ved hjælp af segmenteringsteknikken på et eksisterende (afledt) sæt af lymfeknudevideoer
|
Fra retrospektiv dataindsamling til algoritmeudvikling (1 måned)
|
|
Validering af computeralgoritme til at identificere lymfeknudeultralydsfunktioner
Tidsramme: Fra fremtidig dataindsamling til algoritmevalidering (6 måneder)
|
Formål: at bestemme, om NeuralSeg korrekt kan anvende Canadas lymfeknude-score på et nyt (validerings) sæt lymfeknudevideoer, som det aldrig har set før
|
Fra fremtidig dataindsamling til algoritmevalidering (6 måneder)
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed og pålidelighed af segmenteringen udført af NeuralSeg
Tidsramme: Fra segmentering udført af kirurg til segmentering udført af NeuralSeg (1 måned)
|
Formål: at sammenligne nøjagtigheden og pålideligheden af segmenteringen udført af NeuralSeg med segmenteringen udført af en erfaren endoskopisk kirurg ved hjælp af DICE-SORENSEN-koefficienter.
|
Fra segmentering udført af kirurg til segmentering udført af NeuralSeg (1 måned)
|
|
NeuralSeg forudsigelse af lymfeknude malignitet
Tidsramme: Fra NeuralSeg-algoritme brugt på EBUS-billeddannelse til biopsirapport (estimeret op til 2-3 måneder)
|
Formål: at bestemme, om NeuralSeg nøjagtigt kan forudsige malignitet i lymfeknuder sammenlignet med biopsiresultater af den undersøgte lymfeknude.
|
Fra NeuralSeg-algoritme brugt på EBUS-billeddannelse til biopsirapport (estimeret op til 2-3 måneder)
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Ledende efterforsker: Wael C Hanna, St. Josephs Healthcare Hamilton
Publikationer og nyttige links
Generelle publikationer
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- American College of Chest Physicians; Health and Science Policy Committee. Diagnosis and management of lung cancer: ACCP evidence-based guidelines. American College of Chest Physicians. Chest. 2003 Jan;123(1 Suppl):D-G, 1S-337S. No abstract available.
- Hanna WC, Yasufuku K. Bronchoscopic staging of lung cancer. Ther Adv Respir Dis. 2013 Apr;7(2):111-8. doi: 10.1177/1753465812468041. Epub 2012 Dec 20.
- Hylton DA, Turner J, Shargall Y, Finley C, Agzarian J, Yasufuku K, Fahim C, Hanna WC. Ultrasonographic characteristics of lymph nodes as predictors of malignancy during endobronchial ultrasound (EBUS): A systematic review. Lung Cancer. 2018 Dec;126:97-105. doi: 10.1016/j.lungcan.2018.10.020. Epub 2018 Oct 30.
- El-Sherief AH, Lau CT, Wu CC, Drake RL, Abbott GF, Rice TW. International association for the study of lung cancer (IASLC) lymph node map: radiologic review with CT illustration. Radiographics. 2014 Oct;34(6):1680-91. doi: 10.1148/rg.346130097.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- StJoes EBUS AI (5636)
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .