- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06062095
Computer Aided Diagnosis (CADx) for kolorektale polypper Resect-and-Discard-strategi (CADx)
Computerstøttet diagnose (CADx) for kolorektale polypper Resect-and-Discard-strategi: et multicenter randomiseret kontrolleret forsøg
Koloskopisk fjernelse af adenomatøse polypper reducerer både forekomsten og dødeligheden af kolorektal cancer (CRC). Den almindelige kliniske behandling af kolorektal polypper, der er opdaget under koloskopi, er at fjerne dem og sende til histopatologi for at bestemme det efterfølgende overvågningsinterval. Mere end 80 % af polypper påvist under screening eller overvågningskoloskopi er diminutive (≤5 mm). Da chancen for at diminutive polypper kan rumme kræft eller fremskreden neoplasi er lav, anbefales leave-in-situ og resect-and-cast-strategier ved hjælp af optisk diagnose for ikke-neoplastiske polypper af American Society for Gastrointestinal Endoscopy (ASGE) og European Society for Gastrointestinal Endoscopy (ESGE) for at reducere den økonomiske byrde ved polypektomi og histopatologi. Samfundene foreslog leave-in-situ-strategi, hvis optisk diagnose kan opnå en negativ prædiktiv værdi (NPV) på >90 % for rektosigmoid polyp og resekt-og-kassering, hvis en overensstemmelse på mere end 90 % er i overensstemmelse med histopatologi-baseret post-polypektomi overvågningsinterval kan opnås. Optisk diagnose er imidlertid operatørafhængig, og de fleste endoskopister er tilbageholdende med at anvende denne strategi i rutinepraksis på grund af behovet for streng træning og auditering og frygt for forkert diagnose.
I det seneste årti, med den eksponentielle stigning i beregningskraft, reducerede omkostninger til datalagring, forbedret algoritmisk sofistikering og øget tilgængelighed af elektroniske sundhedsdata, blev kunstig intelligens (AI) assisterede teknologier bredt taget i brug i forskellige sundhedsmiljøer for at forbedre kliniske resultater, især kvaliteten af koloskopi inden for gastroenterologi. Realtidsbrug af computerstøttet diagnose (CADx) til adenom ved hjælp af AI-systemer blev udviklet og vist sig at være nyttig til at hjælpe endoskopister med at skelne neoplastiske polypper fra ikke-adenomatøse polypper. Disse undersøgelser undersøgte dog kun diminutiv polyp, men ikke polyp af større størrelse (>5 mm). De blev udført med en lille stikprøvestørrelse på mindre end få hundrede forsøgspersoner, og undersøgelsesindstillingerne var åbne og ikke-randomiserede.
Efterforskerne sigter mod at udføre et randomiseret kontrolleret forsøg i stor skala for at evaluere ydeevnen af karakterisering af kolorektal polypper af polypper i alle størrelser ved hjælp af real-time CADx ved hjælp af AI-system mod konventionel koloskopi med optisk diagnose.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Studiemiljø
Dette er et internationalt, prospektivt, multicenter, enkeltblindt, non-inferioritet, randomiseret kontrolleret forsøg udført i 6 universitets-tilknyttede endoskopicentre Kina (4 centre), Hong Kong og Singapore. Denne undersøgelse vil blive udført i henhold til CONSORT-AI- og SPIRIT-AI-retningslinjerne og overholder ICH-GCP og Helsinki-erklæringen.
Kunstig intelligens polyp karakteriseringssystem
Efterforskerne henviser til NICE-klassifikationen (Narrow Band Imaging International Colorectal Endoscopic) som standarden til at etablere en dyb neural netværksmodel for polyptypedifferentiering. For at opbygge polypkarakteriseringsmodellen indsamlede efterforskerne 3762 billeder af polypper under NBI til modeltræning og testning, herunder 1483 tilfælde af hyperplastiske polypper, 1993 tilfælde af adenomer og 286 tilfælde af fremskredne tumorer.
Forskellen i billedfunktioner mellem de tre typer af NICE-klassificering er indlysende, og det er let at skelne dem fra computer under endoskop. I betragtning af behandlingskapaciteten af computerhardwaren udstyret med modellen, for at opnå realtidsanalyse under begrænsede computerressourcer, valgte efterforskerne en letvægts netværksarkitektur kaldet Mobile-Net til at bygge modellen. I en Mobile-Net-ramme er den første et 3x3 standard foldningslag efterfulgt af en bunke af dybdemæssigt adskillelige foldningslag. Nogle af de dybdevise foldningslag vil blive prøvet ned gennem gader sat som 2. Det følgende gennemsnitlige pooling lag ændrer funktionerne til 1x1. I henhold til den forudsagte kategoristørrelse tilføjes derefter et fuldt forbindelseslag, og til sidst tilføjes et soft-max-lag. Hvis de dybdegående foldningslag og punktvise foldningslag beregnes separat, har hele netværket kun 28 lag (Gns. Pool og Softmax er ikke inkluderet). På nuværende tidspunkt er modellen ikke klinisk valideret. Efterforskerne brugte en femdobbelt krydsvalidering til at evaluere modellens nøjagtighed. Resultaterne viste, at klassificeringsnøjagtigheden af modellen i det aktuelle datasæt overstiger 99 %
Standardiseret træning af optisk diagnose
Inden påbegyndelsen af undersøgelsen vil deltagende endoskopister blive givet en standardiseret online træningsworkshop om driften af AI polyp karakteriseringssystemet, principper for optisk diagnose og en billedbaseret quiz.
Koloskopi procedurer
Studiekoloskopier vil blive udført af 12 ikke-ekspertendoskopister (koloskopierfaring <2000) og 12 ekspertendoskopister (koloskopierfaring ≥2000), med 2 ikke-eksperter og 2 ekspertendoskopister fra hvert af de 6 centre. Alle koloskopier vil blive udført ved hjælp af high-definition endoskopisystem og koloskop (EVIS Lucera Elite, 290 series, Olympus, Co Ltd, Tokyo, Japan). Alle tilmeldte patienter modtog fiberfattige diæter 3 dage før koloskopi og gennemgik tarmrensning med polyethylenglycolopløsning i opdelt dosis baseret på institutionel protokol. Koloskopier vil blive udført under bevidst sedation. Kvaliteten af tarmforberedelse vil blive vurderet af Boston Bowel Preparation Scale (BBPS) med tilstrækkelig tarmforberedelse defineret som BBPS-score ≥6 og enhver segmental BBPS-score ≥2.
For patienter, der er randomiseret til den konventionelle koloskopi (CC) med optisk diagnosegruppe, vil endoskopisterne aktivere narrow band imaging (NBI) tilstand, når en polyp er detekteret. En optisk diagnose vil blive stillet uden forstørrelse. Hyperplastiske og siddende takkede polypper er kategoriseret som ikke-neoplastiske, adenom og malignitet som neoplastiske. Diagnosen vil blive registreret med vurderingens konfidensniveau (høj eller lav). For patienter, der er randomiseret til den AI-drevne CADx koloskopi (AI) gruppe, vil endoskopister tænde for CADx ved påvisning af kolorektal polyp. Polyppen vil derefter blive markeret med en blå sporingsboks og vist på den samme high-definition monitor i endoskopisystemet. AI'en vil give en diagnose (ikke-neoplastisk eller neoplastisk) ved siden af sporingsboksen. Til formålet med denne undersøgelse vil alle polypper uanset optisk diagnose eller AI-diagnose blive fjernet ved endoskopisk polypektomi/endoskopisk slimhinderesektion (EMR)/endoskopisk submucosal dissektion (ESD) under abstinenssætningen og sendt til histopatologi. Endoskopister må ikke efterlade nogen identificeret polyp in-situ efter eget skøn.
Placering, størrelse og morfologi af alle fjernede polypper vil blive dokumenteret. Proximal colon er defineret som segment fra blindtarm til tværgående colon, mens distal colon er defineret som segment fra miltbøjning til endetarm. Polypper vil blive klassificeret i pedunkuleret eller ikke-pedunkuleret morfologi, og ikke-pedunkulerede læsioner vil yderligere blive karakteriseret som fastsiddende, flade eller deprimerede læsioner. Fjernede polypper vil blive anbragt i separate prøveflasker. Colonpolypprøver vil blive evalueret af patologer fra det enkelte studiecenter, som er blindet for studiegruppeopgaver. Colonpolypprøver vil blive evalueret i henhold til 2019 WHO-klassificeringen af tumorer i fordøjelsessystemet. Avancerede adenomer er defineret som adenomer med størrelse ≥10 mm, villøs komponent eller højgradig dysplasi. Diagnostisk udbytte af enhver eksisterende colonpatologi vil ikke være omfattet, hvis forsøgspersonen er allokeret til AI-gruppen. Patienterne vil blive overvåget for enhver umiddelbar uønsket hændelse efter koloskopi og vil blive udskrevet efter bedøvelse.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiesteder
-
-
-
Hong Kong, Hong Kong
- Combined Endoscopy Unit, ALice Ho Miu Ling Nethersole Hospital
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- der skal gennemgå elektiv koloskopi med enhver indikation (screening, overvågning eller diagnostisk) og komplet koloskopi (caecal intubation) med mindst én detekteret kolorektal polyp vil blive rekrutteret
Ekskluderingskriterier:
- personlig historie med CRC eller inflammatorisk tarmsygdom, tidligere kolorektal kirurgi, modtagelse af antikoagulantbehandling
- manglende informeret samtykke
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Enkelt
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: AI arm
AI vil blive brugt til at diagnosticere polypper
|
Real-time AI vil blive brugt til at diagnosticere polypper fundet under koloskopi.
|
|
Ingen indgriben: Kontrolarm
Konventionel koloskopi uden AI vil blive udført for at diagnosticere polypper
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
diagnostisk nøjagtighed af polyp histologi i %
Tidsramme: 24 måneder
|
NICE-klassifikationen (NICE I: non-neoplastisk polyp: NICE II: adenom; NICE III: invasiv tumor) givet af AI CADx og konventionel optisk diagnose vil blive sammenlignet med polyphistopatologien (referencestandard)
|
24 måneder
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
følsomhed (%)
Tidsramme: 24 måneder
|
følsomhed til korrekt at forudsige polypper histopatologi polypper.
|
24 måneder
|
|
specificitet (%)
Tidsramme: 24 måneder
|
specificitet til korrekt at forudsige polypper histopatologi polypper
|
24 måneder
|
|
positiv forudsigelsesværdi (%)
Tidsramme: 24 måneder
|
positiv prædiktiv værdi for korrekt at forudsige polypper histopatologi polypper
|
24 måneder
|
|
negativ forudsigelig værdi (%)
Tidsramme: 24 måneder
|
negativ prædiktiv værdi for korrekt at forudsige polypper histopatologi polypper
|
24 måneder
|
|
enighed om at tildele post-polypektomi overvågningsintervaller med patologi-baserede diagnoser (%)
Tidsramme: 24 måneder
|
aftale om at tildele post-polypektomi overvågningsintervaller med patologi-baserede diagnoser i henhold til de seneste USMSTF, ESGE og Asia-Pacific retningslinjer
|
24 måneder
|
Samarbejdspartnere og efterforskere
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Anslået)
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
- 2022.525
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 .