- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05147389
Kunstig intelligens til digital cholangioskopi neoplasidiagnose
Klinisk validering af en kunstig intelligenssoftware til digital cholangioskopidiagnose: et observationsforsøg
Digital single-operator kolangioskopi (DSOC) resultater opnår høj diagnostisk nøjagtighed for neoplastiske galdegange læsioner. Til dato er der ikke en universelt accepteret DSOC-klassifikation. Endoskopisters intra- og interobservatøraftaler varierer meget. Cholangiocarcinom (CCA) vurdering gennem kunstig intelligens (AI) værktøjer er næsten udelukkende til intrahepatisk CCA (iCCA). Derfor er flere AI-værktøjer nødvendige for at vurdere ekstrahepatiske neoplastiske galdevejslæsioner.
I Ecuador har efterforskerne for nylig foreslået en AI-model til at klassificere galdevejslæsioner under DSOC i realtid, som nøjagtigt detekterede malignitetsmønstre. Denne forskning forfølger en klinisk validering af vores AI-model til at skelne mellem neoplastiske og ikke-neoplastiske galdevejslæsioner sammenlignet med erfarne endoskopister med højt DSOC.
Studieoversigt
Status
Intervention / Behandling
Detaljeret beskrivelse
At skelne neoplastiske fra ikke-neoplastiske galdevejslæsioner er en udfordring for klinikere. Magnetisk resonans (MR) og biopsi styret af endoskopisk retrograd kolangiopankreatografi (ERCP) nåede en negativ prædiktiv værdi (NPV) omkring 50 %. På den anden side opnår resultaterne af digital single-operator kolangioskopi (DSOC) høj diagnostisk nøjagtighed for neoplastiske galdevejslæsioner. DSOC kunne være endnu bedre end DSOC-guidet biopsi, som i nogle tilfælde ikke er afgørende. Til dato er der dog ingen universelt accepteret DSOC-klassifikation til dette formål. Også endoskopisters intra- og interobservatøraftaler varierer meget. Derfor er der stadig brug for et mere reproducerbart system.
Med interessante resultater er Cholangiocarcinoma (CCA) vurdering gennem kunstig intelligens (AI) værktøjer blevet udviklet baseret på billeddannende radiomik. Ikke desto mindre er CCA AI-ressourcer næsten udelukkende til intrahepatisk CCA (iCCA), med en endoskopisk teknik. Derfor er flere AI-værktøjer nødvendige for at vurdere ekstrahepatiske neoplastiske galdevejslæsioner. Perihilar (pCCA) og distalt (dCCA) cholangiocarcinom som de mest typiske neoplastiske galdevejslæsioner. Begge repræsenterer 50-60% og 20-30% af alle CCA, inklusive sekundære maligniteter ved lokal forlængelse (hepatokarcinom, galdeblære og bugspytkirtelkræft).
En nylig portugisisk proof-of-concept-undersøgelse udviklede et AI-værktøj baseret på konvolutionelle neuronale netværk (CNN'er). Det gjorde det muligt at skelne mellem ondartede og godartede galdegange læsioner eller normalt væv med meget høj nøjagtighed. Alligevel har det brug for mere ekstern validering, herunder endoskopisters sammenligning af intra- og interobservatøraftaler. I Ecuador foreslog efterforskerne for nylig en AI-model til at klassificere galdevejslæsioner under DSOC i realtid, som har været i stand til at påvise malignitetsmønster i alle tilfælde.
Denne forskning forfølger en klinisk validering af vores AI-model til at skelne mellem neoplastiske og ikke-neoplastiske galdevejslæsioner sammenlignet med seks endoskopister med høj DSOC-erfaring.
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
-
Brussels, Belgien
- Department of Advanced Interventional Endoscopy, Universitair Ziekenhuis Brussel (UZB)/Vrije Universiteit Brussel (VUB)
-
-
-
-
-
São Paulo, Brasilien
- Serviço de Endoscopía Gastrointestinal do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo
-
-
-
-
Guayas
-
Guayaquil, Guayas, Ecuador, 090505
- Carlos Robles-Medranda
-
-
-
-
New Jersey
-
New Brunswick, New Jersey, Forenede Stater, 08901
- Advanced Endoscopy Research, Robert Wood Johnson Medical School Rutgers University
-
-
Texas
-
Houston, Texas, Forenede Stater, 77030
- Baylor Saint Luke's Medical Center
-
Houston, Texas, Forenede Stater, 77098
- Houston Methodist Hospital
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter henvist til vores center med indikation af DSOC på grund af mistanke om CBD-tumor eller ubestemt CBD-stenose.
- Patienter, der har godkendt til registrering af DSOC-procedure for denne undersøgelse.
Ekskluderingskriterier:
- Enhver klinisk tilstand, der gør DSOC uoverkommelig.
- Patienter med mere end én DSOC.
- Lav kvalitet af optagede DSOC-videoer, selv for AI-modeller som for ekspertendoskopister.
- Tabt på et års opfølgning efter DSOC.
- Uenighed mellem DSOC-resultater vs. et-års opfølgning, selv efter revurdering af respektive DSOC-videoer.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
---|---|
Neoplastiske galdegange læsioner
Denne gruppe bekræftes af DSOC-videoer fra patienter med DSOC-bekræftede neoplastiske galdevejslæsioner, der kommer fra hver deltagende gruppe.
Hver DSOC-video svarer til en komplet DSOC-procedure hos en enkelt patient.
Kriterierne for neoplastisk galdegang er i overensstemmelse med de to følgende værktøjer: Robles-Medranda et al og Mendoza klassifikationen.
En yderligere opfølgning vil være nødvendig for at bekræfte neoplastisk galdekanallæsion og typen: pCCA eller dCCA, lokal forlængelse af iCCA, hepatokarcinom blandet CCA/hepatokarcinom, galdeblærecancer, bugspytkirtelcancer eller enhver anden neoplastisk galdegangslæsion.
Baseret på opfølgning vil videoer fra patienter med bekræftede ikke-neoplastiske galdevejslæsioner blive revurderet og omklassificeret eller endelig udelukket af en ekspert, der er blindet for kliniske optegnelser, og som ikke deltager i videoklassificeringen.
|
AIWorks er en kunstig intelligensmodel til kolangioskopisk påvisning i realtid af neoplastiske og ikke-neoplastiske galdevejslæsioner.
Det giver dig mulighed for at vælge at bruge en videofil eller en USB-kameraindgang som detekteringskilde.
Når inputkilden er blevet valgt, udfører softwaren realtidsdetektion ved at omgive interesseområdet (dvs. området med malignitetstræk) inde i en afgrænsningsramme.
Alle detekteringer, der er foretaget, vises i højre side af skærmen og kan også gennemgås efterfølgende.
Seks endoskopister med høj DSOC-ekspertise vil observere og klassificere et sæt videoer blandt neoplastiske eller ikke-neoplastiske galdevejslæsioner efter en Bernoulli-fordeling; blindet for kliniske journaler og burde aldrig have været til de nævnte patienter. Gastroenterologer fra hvert center, med ikke-DSOC-ansvar, vil udvælge DSOC-videoer og tilsvarende baseline-data. DSOC-videoer og data vil blive samlet i ét sæt. Hver video repræsenterer en fuld DSOC for en enkelt patient. Patienten vil være enheden i denne undersøgelse. De neoplastiske galdevejskriterier er i overensstemmelse med Robles-Medranda et al og Mendoza klassifikationerne (dvs. Uregelmæssig slimhindeoverflade, snoet og udvidet vaskularitet, uregelmæssige knuder, polypper, ulceration, honeycomb-mønster osv.). Eksperterne vil vurdere neoplastisk galdegang ved tilstedeværelse eller fravær af opdelte kriterier. Ligeledes vil den statistiske software af boolske logiske operatorer beregne disaggregerede svar. |
Ikke-neoplastiske galdegange læsioner
Denne gruppe bekræftes af DSOC-videoer fra patienter med DSOC-bekræftede ikke-neoplastiske galdevejslæsioner, der kommer fra hver deltagende gruppe.
Hver DSOC-video svarer til en komplet DSOC-procedure hos en enkelt patient.
Kriterierne for ikke-neoplastiske galdegange er i overensstemmelse med de to følgende værktøjer: Robles-Medranda et al og Mendoza klassifikationen.
En yderligere opfølgning vil være nødvendig for at bekræfte ikke-neoplastisk galdevejslæsion og typen, når den er tilgængelig: akut eller kronisk cholangitis sekundært til sten eller parasittens placering, autoimmune kolestatiske leversygdomme som autoimmun sklerosant cholangitis og primær biliær cholangitis.
Baseret på opfølgning vil videoer fra patienter med bekræftede neoplastiske galdevejslæsioner blive revurderet og omklassificeret eller endelig udelukket af en ekspert, der er blindet for kliniske optegnelser, og som ikke deltager i videoklassificeringen.
|
AIWorks er en kunstig intelligensmodel til kolangioskopisk påvisning i realtid af neoplastiske og ikke-neoplastiske galdevejslæsioner.
Det giver dig mulighed for at vælge at bruge en videofil eller en USB-kameraindgang som detekteringskilde.
Når inputkilden er blevet valgt, udfører softwaren realtidsdetektion ved at omgive interesseområdet (dvs. området med malignitetstræk) inde i en afgrænsningsramme.
Alle detekteringer, der er foretaget, vises i højre side af skærmen og kan også gennemgås efterfølgende.
Seks endoskopister med høj DSOC-ekspertise vil observere og klassificere et sæt videoer blandt neoplastiske eller ikke-neoplastiske galdevejslæsioner efter en Bernoulli-fordeling; blindet for kliniske journaler og burde aldrig have været til de nævnte patienter. Gastroenterologer fra hvert center, med ikke-DSOC-ansvar, vil udvælge DSOC-videoer og tilsvarende baseline-data. DSOC-videoer og data vil blive samlet i ét sæt. Hver video repræsenterer en fuld DSOC for en enkelt patient. Patienten vil være enheden i denne undersøgelse. De neoplastiske galdevejskriterier er i overensstemmelse med Robles-Medranda et al og Mendoza klassifikationerne (dvs. Uregelmæssig slimhindeoverflade, snoet og udvidet vaskularitet, uregelmæssige knuder, polypper, ulceration, honeycomb-mønster osv.). Eksperterne vil vurdere neoplastisk galdegang ved tilstedeværelse eller fravær af opdelte kriterier. Ligeledes vil den statistiske software af boolske logiske operatorer beregne disaggregerede svar. |
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Neoplastisk galdegang diagnose bekræftelse efter et års opfølgning
Tidsramme: Et år
|
Tilfældene vil først blive fulgt op i løbet af et år for at bekræfte eller kassere neoplastiske galdevejslæsioner.
En sikker diagnose af neoplastisk galdevejslæsion vil være baseret på DSOC-guidet biopsiprøve eller fund fra yderligere indikerede procedurer, herunder børstecytologi-fluoroskopi-guidet, endoskopisk ultralyds-guidet vævsprøvetagning, kirurgiske prøver og endda billeddiagnostisk test i forbindelse med en mere svækket patient.
Endelig vil overensstemmelsen mellem et års opfølgning (guldstandard) vs. AI-model og DSOC-endoskopisteksperters klassificering blive verificeret gennem en 2 x 2 kontingentabel.
|
Et år
|
Samarbejdspartnere og efterforskere
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Carlos Robles-Medranda, Ecuadorian Institute of Digestive Diseases
Publikationer og nyttige links
Generelle publikationer
- Saraiva MM, Ribeiro T, Ferreira JPS, Boas FV, Afonso J, Santos AL, Parente MPL, Jorge RN, Pereira P, Macedo G. Artificial intelligence for automatic diagnosis of biliary stricture malignancy status in single-operator cholangioscopy: a pilot study. Gastrointest Endosc. 2022 Feb;95(2):339-348. doi: 10.1016/j.gie.2021.08.027. Epub 2021 Sep 8.
- Robles-Medranda C, Oleas R, Sanchez-Carriel M, Olmos JI, Alcivar-Vasquez J, Puga-Tejada M, Baquerizo-Burgos J, Icaza I, Pitanga-Lukashok H. Vascularity can distinguish neoplastic from non-neoplastic bile duct lesions during digital single-operator cholangioscopy. Gastrointest Endosc. 2021 Apr;93(4):935-941. doi: 10.1016/j.gie.2020.07.025. Epub 2020 Jul 22.
- Robles-Medranda C, Valero M, Soria-Alcivar M, Puga-Tejada M, Oleas R, Ospina-Arboleda J, Alvarado-Escobar H, Baquerizo-Burgos J, Robles-Jara C, Pitanga-Lukashok H. Reliability and accuracy of a novel classification system using peroral cholangioscopy for the diagnosis of bile duct lesions. Endoscopy. 2018 Nov;50(11):1059-1070. doi: 10.1055/a-0607-2534. Epub 2018 Jun 28.
- Kahaleh M, Gaidhane M, Shahid HM, Tyberg A, Sarkar A, Ardengh JC, Kedia P, Andalib I, Gress F, Sethi A, Gan SI, Suresh S, Makar M, Bareket R, Slivka A, Widmer JL, Jamidar PA, Alkhiari R, Oleas R, Kim D, Robles-Medranda CA, Raijman I. Digital single-operator cholangioscopy interobserver study using a new classification: the Mendoza Classification (with video). Gastrointest Endosc. 2022 Feb;95(2):319-326. doi: 10.1016/j.gie.2021.08.015. Epub 2021 Aug 31.
- Sethi A, Tyberg A, Slivka A, Adler DG, Desai AP, Sejpal DV, Pleskow DK, Bertani H, Gan SI, Shah R, Arnelo U, Tarnasky PR, Banerjee S, Itoi T, Moon JH, Kim DC, Gaidhane M, Raijman I, Peterson BT, Gress FG, Kahaleh M. Digital Single-operator Cholangioscopy (DSOC) Improves Interobserver Agreement (IOA) and Accuracy for Evaluation of Indeterminate Biliary Strictures: The Monaco Classification. J Clin Gastroenterol. 2022 Feb 1;56(2):e94-e97. doi: 10.1097/MCG.0000000000001321.
- Kahaleh M, Raijman I, Gaidhane M, Tyberg A, Sethi A, Slivka A, Adler DG, Sejpal D, Shahid H, Sarkar A, Martins F, Boumitri C, Burton S, Bertani H, Tarnasky P, Gress F, Gan I, Ardengh JC, Kedia P, Arnelo U, Jamidar P, Shah RJ, Robles-Medranda C. Digital Cholangioscopic Interpretation: When North Meets the South. Dig Dis Sci. 2022 Apr;67(4):1345-1351. doi: 10.1007/s10620-021-06961-z. Epub 2021 Mar 30.
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
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- IECED-11032021
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 .
Kliniske forsøg med AI model klassificering
-
University of MichiganNational Heart, Lung, and Blood Institute (NHLBI)AfsluttetAkut respirationssvigtForenede Stater
-
Sun Yat-Sen Memorial Hospital of Sun Yat-Sen UniversityRekrutteringProstatiske neoplasmer | LymfemetastaseKina
-
University of AlbertaRekrutteringSunde frivillige | Pulmonal hypertension | Interstitiel lungesygdom | KOLCanada
-
Huazhong University of Science and TechnologyLanZhou University; The Affiliated Nanjing Drum Tower Hospital of Nanjing...AfsluttetDuktalt adenokarcinom i bugspytkirtlen | Pancreatitis, kronisk | Pancreas neuroendokrin tumor | Autoimmun pancreatitisKina
-
Wuhan Asia Heart HospitalUkendtAntikoagulant-induceret blødning | Warfarin natrium forårsager uønskede virkninger i terapeutisk brugKina
-
Faculty of Dental Medicine for GirlsRekruttering
-
Kaohsiung Medical University Chung-Ho Memorial...AfsluttetSlutstadie nyresygdomTaiwan
-
Maastricht University Medical CenterCatharina Ziekenhuis Eindhoven; Eindhoven University of TechnologyAfsluttetKolorektal cancer | Kolorektal polypHolland
-
Shandong UniversityAfsluttetKunstig intelligens | Optisk Enhancement Endoskopi | Forstørrelses-endoskopiKina
-
Johnson & Johnson Surgical Vision, Inc.Afsluttet