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

Real Life AI i polypdetektion (RELIANT)

7. april 2021 opdateret af: Alexander Hann, Wuerzburg University Hospital
Formålet med denne undersøgelse er at sammenligne polypdetektionshastigheden (PDR) for endoskopister, der ikke er klar over en kommercielt tilgængelig kunstig intelligens (AI) anordning til polypdetektion under koloskopi og PDR for endoskopister ved hjælp af en sådan anordning. Desuden vil en omfattende karakterisering af denne enheds ydeevne blive udført.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

For nylig har der været bemærkelsesværdige gennembrud i introduktionen af ​​deep learning-teknikker, især konvolutionelle neurale netværk (CNN'er), til at assistere klinisk diagnose inden for forskellige medicinske områder. En af disse kunstig intelligens (AI) enheder til at diagnosticere tyktarmspolypper under koloskopi blev lanceret i oktober 2019. Dens tilsigtede anvendelse er at fungere som et supplement til endoskopisten under en koloskopi med det formål at fremhæve områder med visuelle karakteristika, der stemmer overens med forskellige typer af slimhindeabnormiteter.

Det er vigtigt at vide, om deep learning-algoritmer virkelig kan hjælpe endoskopister under koloskopier. Adskillige undersøgelser har allerede behandlet dette problem med forskellige tilgange og resultater. En almindelig ulempe ved denne type maskine vs menneske retrospektive undersøgelser er imidlertid endoskopistisk skævhed. Det er normalt genereret på grund af menneskets naturlige konkurrenceånd mod maskine eller menneskelig afslapning på grund af AI-afhængighed. Dette kan have betydning for de samlede resultater.

Efterforskerne udførte koloskopier med brug af et kommercielt tilgængeligt AI-system til at detektere colonpolypper og registrerede dem under klinisk rutine. Derudover blev der fra marts 2019 - maj 2019 udført 120 koloskopivideoer og optaget prospektivt uden brug af AI.

I denne undersøgelse planlægger efterforskerne retrospektivt at sammenligne disse to videosæt med hensyn til polypdetektionshastigheden, tilbagetrækningstid og polypidentifikationskarakteristika for AI-systemet.

Undersøgelsestype

Interventionel

Tilmelding (Faktiske)

230

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiesteder

  • Tyskland
    • Bayern
      • Würzburg, Bayern, Tyskland, 97080
        • Universitatsklinikum Wurzburg

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

18 år og ældre (VOKSEN, OLDER_ADULT)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Beskrivelse

Inklusionskriterier:

  • Kolonoskopier til polypdetektion

Ekskluderingskriterier:

  • Koloskopier for inflammatorisk tarmsygdom (IBD).
  • Koloskopier til oparbejdning af en aktiv blødning

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: DIAGNOSTISK
  • Tildeling: NON_RANDOMIZED
  • Interventionel model: PARALLEL
  • Maskning: INGEN

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
EKSPERIMENTEL: Koloskopi med AI-hjælpegruppe
Koloskopier blev udført med AI-assistance.
Enhed: AI-assisteret koloskopi
Koloskopier udført med hjælp af et kunstig intelligens-værktøj, der fremhæver de områder, der er modtagelige for at være en polyp.
NO_INTERVENTION: Standard koloskopi gruppe
Standard klinisk procedure

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Sammenligning af polypdetektionsfrekvens
Tidsramme: 45 minutter
Antal påviste polypper divideret med antal koloskopier
45 minutter
Gennemsnitlig tilbagetrækningstid sammenligning
Tidsramme: 45 minutter
Gennemsnitlig tilbagetrækningstid sammenligning
45 minutter

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AI-Polyp afgrænsningsfelter - Ægte positiv evaluering
Tidsramme: 45 minutter
2 tilgange: ramme for ramme analyse og tidsmæssig sammenhængsanalyse
45 minutter
AI-polyp afgrænsningsfelter - Falsk positiv kvantitativ evaluering
Tidsramme: 45 minutter
3 tilgange afhængigt af vinduestidsdetektion
45 minutter
AI-polyp afgrænsningsfelter - falsk negativ evaluering
Tidsramme: 45 minutter
Antal af afgrænsningsrammen savnede polypper
45 minutter
Analyse af reaktionstid
Tidsramme: 45 minutter
Sammenligningstid for polypdetektion i en menneskelig vs maskine tilgang
45 minutter

Samarbejdspartnere og efterforskere

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

Sponsor

Wuerzburg University Hospital

Efterforskere

  • Ledende efterforsker: Alexander Hann, PD Dr. Med, Wuerzburg University Hospital

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)

1. maj 2020

Primær færdiggørelse (FAKTISKE)

31. august 2020

Studieafslutning (FAKTISKE)

1. oktober 2020

Datoer for studieregistrering

Først indsendt

2. april 2020

Først indsendt, der opfyldte QC-kriterier

2. april 2020

Først opslået (FAKTISKE)

6. april 2020

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

8. april 2021

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

7. april 2021

Sidst verificeret

1. april 2021

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • AI01

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

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 .

Kliniske forsøg med Colon polyp

Kliniske forsøg med AI-assisteret koloskopi

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Russia

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner