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

Identifikation af kunstig intelligens vs endoskopist i EUS normal anatomi

22. februar 2024 opdateret af: Carlos Robles-Medranda, Instituto Ecuatoriano de Enfermedades Digestivas

Sammenlignende evaluering af kunstig intelligens og endoskopisters nøjagtighed i endoskopisk ultralyd til identifikation af normale anatomiske strukturer: En multi-institutionel, tværsnitsundersøgelse

Endoskopisk ultralyd (EUS) visuel indtryk er operatørafhængig og kan hindre diagnostisk nøjagtighed, især hos mindre erfarne endoskopister. Implementeringen af ​​kunstig intelligens kan potentielt mindske operatørens afhængighed og fortolkningsvariabilitet, hjælpe eller forbedre den overordnede nøjagtighed.

Efterforskerne sigter derfor mod at sammenligne diagnostisk nøjagtighed mellem kunstig intelligens (AI)-baseret model og endoskoperne, når de identificerer normale anatomiske strukturer i EUS-procedurer.

Studieoversigt

Status

Afsluttet

Detaljeret beskrivelse

EUS er en operatørafhængig procedure, hvor nøjagtigheden afhænger af erfaring og færdigheder. I dag kan EUS-træning opnås ved en formel fellowship-uddannelse i et center i 6-24 måneder eller en uformel træning gennem didaktiske sessioner med en kort praktisk erfaring. Parametre for en korrekt og fuldstændig læringsoplevelsesmåling mangler dog endnu at blive defineret. Implementeringen af ​​kunstig intelligens på EUS kan potentielt mindske den operatørafhængige variabel og forbedre diagnostisk nøjagtighed.

Derfor påvisning af normale anatomiske strukturer på separat basis ved hjælp af en AI-baseret model, eksperter og ikke-eksperter endoskopister for at bestemme, hvor AI ville være mest nyttig.

Efterforskerne sigter mod at sammenligne den diagnostiske nøjagtighed af den AI-baserede model med endoskopernes identifikation af normale anatomiske strukturer i EUS-procedurer.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

30

Kontakter og lokationer

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

Studiesteder

    • Guayas
      • Guayaquil, Guayas, Ecuador, 090505
        • IECED

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Eksperte og ikke-ekspert gastrointestinale EUS-endoskopister.

Beskrivelse

Inklusionskriterier:

  • Erfarne gastrointestinale EUS-endoskopister.
  • Ikke-ekspert gastrointestinale endoskopister uddannelse til EUS.
  • Patienter med kronisk dyspepsi uden andre fund.
  • Patienter med tidligere CT-billeder eller øvre fordøjelsesendoskopi rapporterer ingen andre fund.
  • Patienter, der kræver EUS til overvågning på grund af familiehistorie med kræft i bugspytkirtlen uden fund på MR.

Ekskluderingskriterier:

  • Internetforbindelse mindre end 100 MBs pr. sekund.
  • Patienter med unormale strukturer eller med synlige læsioner.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
AI-baseret model
AIWorks-EUS Convolutional Neural Network version 2 (CNNv2) (mdconsgroup, Guayaquil, Ecuador) anvendt på forudindspillede videoer til påvisning af normale anatomiske strukturer.
Forudindspillede videoer, beskåret i henhold til de forskellige vinduer (mediastinalt, gastrisk, duodenalt) vil blive analyseret af AIWorks-EUS-modellen og endoskopister på forskellige tidspunkter for at genkende de forskellige normale anatomiske strukturer.
Erfarne endoskopister
Endoskopister med >190 EUS-procedurer pr. år, inklusive 75 pancreatobiliær- og slimhindekræftstadieindgreb hver, 40 subepiteliale tilfælde; og 50 tilfælde af EUS-finnålsaspiration (FNA) (25 af dem er tilfælde af bugspytkirtel); efter anbefalingerne fra American Society for Gastrointestinal Endoscopy (ASGE).
Forudindspillede videoer, beskåret i henhold til de forskellige vinduer (mediastinalt, gastrisk, duodenalt) vil blive analyseret af AIWorks-EUS-modellen og endoskopister på forskellige tidspunkter for at genkende de forskellige normale anatomiske strukturer.
Ikke-ekspert endoskoper
Endoskopister med <190 EUS-procedurer pr. år, inklusive 75 pancreatobiliær- og slimhindekræftstadieindgreb hver, 40 subepiteliale tilfælde; og 50 tilfælde af EUS-FNA (25 af dem er tilfælde af bugspytkirtel); efter anbefalingerne fra American Society for Gastrointestinal Endoscopy (ASGE).
Forudindspillede videoer, beskåret i henhold til de forskellige vinduer (mediastinalt, gastrisk, duodenalt) vil blive analyseret af AIWorks-EUS-modellen og endoskopister på forskellige tidspunkter for at genkende de forskellige normale anatomiske strukturer.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk nøjagtighed
Tidsramme: 5 måneder
Den sande positive, sande negative, falsk positive og falsk negative baseret på påvisning af anatomiske strukturer ifølge en ekstern ekspert endoskopist som guldstandard.
5 måneder

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Interobservatør aftale
Tidsramme: 5 måneder
Sammenligning af diagnostisk nøjagtighed mellem kunstig intelligens (AI)-baseret model og begge grupper (ekspert og ikke-ekspert endoskopister) ved brug af Fleiss Kappa.
5 måneder

Samarbejdspartnere og efterforskere

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

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

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 2023

Primær færdiggørelse (Faktiske)

1. oktober 2023

Studieafslutning (Faktiske)

26. januar 2024

Datoer for studieregistrering

Først indsendt

16. februar 2024

Først indsendt, der opfyldte QC-kriterier

22. februar 2024

Først opslået (Anslået)

28. februar 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

28. februar 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

22. februar 2024

Sidst verificeret

1. februar 2024

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • IECED-12345

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 Gastrointestinale sygdomme

Kliniske forsøg med Påvisning af strukturer

Abonner