In vivo computerstøttet forudsigelse af polyp histologi på hvidt lys koloskopi
Vores gruppe udviklede forud for denne undersøgelse en håndlavet prædiktiv model baseret på ekstraktion af overflademønstre (tekstoner) med en diagnostisk nøjagtighed på over 90%24. Denne metode blev valideret i et lille datasæt, der kun indeholdt billeder af høj kvalitet.
Kunstig intelligens forventes at forbedre nøjagtigheden af optisk diagnose af kolorektal polyp. Vi foreslår en hybrid tilgang, der kombinerer et dybt læringssystem (DL) med polypfunktioner angivet af klinikere (HybridAI). Et pilotforsøg in vivo vil udføres.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Optisk diagnose har til formål at forudsige histologien af en polyp baseret på dens endoskopiske træk. Denne praksis kunne undgå histopatologisk analyse og reducere de afledte omkostninger. Under denne præmis etablerede American Society of Gastrointestinal Endoscopy (ASGE) i sin erklæring om Preservation and Incorporation of Valuable Endoscopic Innovations (PIVI) en diagnostisk tærskelværdi for endoskopisk vurdering i realtid af diminutive polypper. Begrundelsen for implementeringen er, at forekomsten af avanceret histologi i polypper < 5 mm er meget lav (0,5%).
Adskillige undersøgelser har vist, at optisk diagnose af små polypper er sikker og mulig i klinisk praksis og sammenlignelig med den nuværende guldstandard, histopatologi. Nøjagtigheden af optisk diagnose har imidlertid vist sig at være utilstrækkelig i lokalsamfundsbaseret praksis eller i ikke-eksperthænder, og diagnosen er endnu sværere ved diminutive polypper < 3 mm, hvor uoverensstemmelsen mellem den endoskopiske og patologiske diagnose er omkring 15 %.
Kunstig intelligens (AI) er dukket op som et hjælpeværktøj til polypkarakterisering.
Med det formål at forbedre den optiske diagnose ved hjælp af AI-metoder foreslår vi en hybrid tilgang, der kombinerer DL med karakteristika for polypper, der manuelt er angivet af endoskopister (HybridAI).
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
-
Barcelona, Spanien, 08036
- Hospital Clínic de Barcelona
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Alle patienter med polypper af enhver størrelse/morfologi, påvist i en rutinemæssig eller screening koloskopi, som er resekeret endoskopisk og gendannet til histologisk analyse vil blive inkluderet.
De opnåede billeder vil blive brugt til at udvide databasen.
Beskrivelse
Inklusionskriterier:
- Alder > 18 år
- Godkendelse af deltagelse i undersøgelsen. Underskrift af informeret samtykke
- Patienter med mindst én polyp af enhver størrelse/morfologi diagnosticeret i en rutine- eller screeningskoloskopi
- Endoskopier udført med high definition endoskoper
Ekskluderingskriterier:
- Alder <18 år
- Afvisning af deltagelse i undersøgelsen
- Polypper delvist resekeret i en tidligere endoskopi
- Patienter med inflammatorisk sygdom
- Umulighed at vaske rester af afføring eller slim på overfladen af polyppen
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Kohorte
- Tidsperspektiver: Fremadrettet
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed af det computerstøttede system til forudsigelse af polyppers histologi i reel klinisk praksis
Tidsramme: Et år
|
Resultaterne af den computerstøttede systemforudsigelse vil blive sammenlignet med den endelige patologirapport, som er guldstandarden
|
Et år
|
Samarbejdspartnere og efterforskere
Sponsor
Samarbejdspartnere
Publikationer og nyttige links
Generelle publikationer
- 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.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- HISINVIA
- PI17/00894 (Andet bevillings-/finansieringsnummer: Instituto de Salud Carlos III)
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 .