Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Kunstig Intelligens-vejledt detektion af blodkar for at forbedre sikkerheden ved tredje-rum endoskopiske procedurer

18. september 2026 opdateret af: Abhishek Tyagi, Asian Institute of Gastroenterology, India

Kunstig Intelligens-styret detektion af anatomiske markører til forbedret sikkerhed ved tredje-rum endoskopiske procedurer

This prospective study aims to evaluate the performance of a novel Artificial Intelligence (AI) clinical decision support tool during third space endoscopic procedures, such as Endoscopic Submucosal Dissection (ESD) and Peroral Endoscopic Myotomy (POEM).

While these procedures are effective for treating gastrointestinal neoplasms and motility disorders, they carry risks of intraprocedural bleeding and perforation if submucosal blood vessels are not correctly identified and coagulated. Building on previous retrospective validation, this study will assess whether a real-time artificial intelligence model can assist endoscopists in detecting and delineating blood vessels more accurately and faster during live human procedures.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Background and Rationale

Third-space endoscopy procedures are technically demanding. The primary challenge lies in the inadvertent transection of submucosal vessels, which leads to bleeding that obscures the surgical field and increases the risk of perforation. Currently, vessel identification is entirely operator-dependent.

Our team has developed a deep-learning based artificial intelligence model trained on 250,000 annotated images from 150 POEM procedures. This model is optimized for minimal latency, allowing for real-time visual overlays (delineation) of blood vessels on the endoscopic monitor.

Study Objectives The primary objective is to evaluate the Vessel Detection Rate (VDR)-the proportion of vessels identified by the endoscopist when assisted by the AI compared to standard practice.

The study will also investigate:

Vessel Detection Time (VDT): The latency between a vessel appearing in the field of view and its identification.

Study Design & Workflow:

In this prospective study, the AI system will be integrated into the Olympus EVIS X1 series endoscopy stack. As the endoscopist navigates the submucosal space, the AI will provide real-time visual segmentation masks highlighting vessels. The performance will be recorded and compared against a post-procedure review by independent experts to calculate sensitivity and detection speed.

Undersøgelsestype

Interventionel

Tilmelding (Faktiske)

40

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

    • Telangana
      • Hyderabad, Telangana, Indien, 500032
        • Asian Institute of Gastroenterology

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Beskrivelse

Inclusion Criteria:

  • Patients diagnosed with Achalasia Cardia or neoplasms.

Exclusion Criteria:

  • Patients with conditions deemed unsuitable for third space endoscopy procedures (e.g.: Candidiasis)

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Enhedens gennemførlighed
  • Tildeling: Ikke-randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Ingen (Åben etiket)

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Aktiv komparator: With Artificial Intelligence

Endoscopist will see the AI generated segmentation mask

Real time AI generated segmentation mask or delineation contours for sub-mucosal blood vessels visible on the endoscopy monitor.

Ingen indgriben: Without Artificial Intelligence

Endoscopist will not see the AI generated segmentation mask

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Vessel Detection Rate (VDR)
Tidsramme: 3 months

the proportion of vessels identified by the endoscopist

3 months

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Vessel Detection Time (VDT)
Tidsramme: 3 months

The latency between a vessel appearing in the field of view and its identification.

3 months

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Efterforskere

  • Ledende efterforsker: Abhishek Tyagi, Asian Intitute of Gastroenterology

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

10. februar 2026

Primær færdiggørelse (Faktiske)

30. april 2026

Studieafslutning (Faktiske)

30. april 2026

Datoer for studieregistrering

Først indsendt

27. januar 2026

Først indsendt, der opfyldte QC-kriterier

3. februar 2026

Først opslået (Faktiske)

10. februar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

22. september 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

18. september 2026

Sidst verificeret

1. september 2026

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • AITSE-1

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

Ingen

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 .