Endoskopisk sværhedsgrad billedgenkendelse for at fremme forskning og træning i inflammatorisk tarmsygdom (EVEREST - IBD)
14. november 2024 opdateret af: Hull University Teaching Hospitals NHS Trust
EVEREST - IBD: Endoskopisk sværhedsgrad billedgenkendelse for at fremme forskning og træning i inflammatorisk tarmsygdom
At udvikle og træne et konvolutionelt neuralt netværk til at detektere og karakterisere sygdomsgraden af inflammatorisk tarmsygdom under endoskopi
Studieoversigt
Status
Rekruttering
Betingelser
Detaljeret beskrivelse
At udvikle og træne et Convolutional Neural Network til at detektere og karakterisere sygdoms sværhedsgrad i inflammatorisk tarmsygdom under endoskopi.
Dette initiativ vil uundgåeligt etablere en stor billeddatabase af høj kvalitet.
Vores sekundære undersøgelses mål er derfor at bruge de billeder, vi indsamler, til at fremme området for dyb læring og computerstøttet diagnose ved inflammatorisk tarmsygdom ved at etablere en billeddatabase.
Dette vil involvere udvikling af en ramme, der kombinerer dyb læring og computervisionsalgoritmer.
Det ultimative mål er at bruge billeddatabasen til at producere forskningsresultater og træningsressourcer med høj effekt, der fører til en forbedring af kvaliteten af udført endoskopi, reducere inter-observatør-variabiliteten i sygdomsvurdering og en reduktion af mistede tarmkræftrater og tilhørende dødelighed.
Undersøgelsestype
Observationel
Tilmelding (Anslået)
4000
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Shaji Sebastian
- Telefonnummer: 01482 816764
- E-mail: shaji.sebastian@hey.nhs.uk
Undersøgelse Kontakt Backup
- Navn: Laurence Lovat
- Telefonnummer: 02076799606
- E-mail: l.lovat@ucl.ac.uk
Studiesteder
-
-
East Yorkshire
-
Hull, East Yorkshire, Det Forenede Kongerige, HU3 2JZ
- Rekruttering
- Hull Royal Infirmary
-
-
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
16 år til 99 år (Barn, Voksen, Ældre voksen)
Tager imod sunde frivillige
Ja
Prøveudtagningsmetode
Sandsynlighedsprøve
Studiebefolkning
Inflammatorisk tarmsygdom (IBD) rammer mindst én ud af 250 mennesker i den britiske befolkning, og forekomsten er stigende.
Beskrivelse
Inklusionskriterier:
- • Enhver voksen patient på 16 år eller ældre, som har givet samtykke til at gennemgå endoskopisk undersøgelse, hvor billeder optages som en del af rutinemæssig klinisk pleje.
Ekskluderingskriterier:
• Enhver patient under 16 år
- Patienter, der ikke er i stand til at give informeret samtykke til at gennemgå endoskopisk undersøgelse, eller som ikke ønsker, at deres pseudo-anonymiserede billeder skal bruges
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Andet
- Tidsperspektiver: Tværsnit
Kohorter og interventioner
Gruppe / kohorte |
|---|
|
Hovedgruppe
Patienter med/mistænkt inflammatorisk tarmsygdom, der deltager i en endoskopisk procedure
|
|
Styring
Patienter uden inflammatorisk tarmsygdom, der deltager i en endoskopisk procedure
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
At udvikle og træne et konvolutionelt neuralt netværk til at detektere og karakterisere sygdomsgraden af inflammatorisk tarmsygdom under endoskopi
Tidsramme: 5 år
|
At udvikle og træne et konvolutionelt neuralt netværk til at detektere og karakterisere sygdomsgraden af inflammatorisk tarmsygdom under endoskopi
|
5 år
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
a) At undersøge, om kunstig intelligens kan forudsige respons på IBD-terapier
Tidsramme: 5 år
|
At undersøge, om kunstig intelligens kan forudsige respons på IBD-terapier
|
5 år
|
|
b) At udvikle et endoskopisk billedlager for at fremme træning og standardisering i endoskopisk påvisning og karakterisering af IBD.
Tidsramme: 5 år
|
b) At udvikle et endoskopisk billedlager for at fremme træning og standardisering
|
5 år
|
|
c) At udvikle og vurdere metoder til træning og kvalitetssikring af IBD diagnostisk endoskopi
Tidsramme: 5 år
|
At udvikle og vurdere metoder til træning og kvalitetssikring af IBD
|
5 år
|
|
d) At evaluere sammenligninger i endoskopisk billedtolkning mellem endoskopister
Tidsramme: 5 år
|
At evaluere sammenligninger i endoskopisk billedtolkning mellem endoskopister
|
5 år
|
|
e) At udvikle dyb læringsalgoritmer og computersynsteknikker for at muliggøre automatiseret måling af kvalitetsmålinger i endoskopi for IBD
Tidsramme: 5 år
|
At udvikle deep learning algoritmer og computersynsteknikker for at muliggøre automatiseret måling af kvalitetsmålinger i endoskopi for IBD
|
5 år
|
|
f) At skabe en fremtidig robust forskningsplatform for at sikre, at ovenstående mål kontinuerligt udvikles, efterhånden som nye billeddannelsesteknikker dukker op over tid.
Tidsramme: 5 år
|
At skabe en fremtidig robust forskningsplatform for at sikre, at ovenstående mål kontinuerligt udvikles, efterhånden som nye billeddannelsesteknikker dukker op over tid.
|
5 år
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Shaji Sebastian, Hull University Teaching Hospitals NHS Trust
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)
17. september 2021
Primær færdiggørelse (Anslået)
1. september 2031
Studieafslutning (Anslået)
1. september 2031
Datoer for studieregistrering
Først indsendt
27. april 2021
Først indsendt, der opfyldte QC-kriterier
27. april 2021
Først opslået (Faktiske)
30. april 2021
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
15. november 2024
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
14. november 2024
Sidst verificeret
1. november 2024
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 299614
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
UBESLUTET
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 .