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

AUGUR-AI - Indocyanin Green Fluorescence Angiography Representer (AUGUR-AI)

26. november 2024 opdateret af: Ronan Cahill, Mater Misericordiae University Hospital

Kirurgi kan effektivt behandle tyktarmskræft, men det er en kompleks procedure med risici og komplikationer. Kirurger er ofte afhængige af kameraer til visuelt at guide deres instrumenter under operationer, især ved minimalt invasive ("nøglehul") og endoskopiske procedurer. Kameraet er forbundet til en computer og genererer den interne scene på en skærm, som kirurgen ser på under hele proceduren, og hjælper dem med at træffe informerede beslutninger under hele operationen. Fluorescensstyret kirurgi bruger en bestemt type kamera, der kan registrere billeder i både normalt lys og i det nær-infrarøde område. For at virke skal det administreres af et middel kaldet indocyaningrønt til en patient, og så kan kameraet se, om midlet er i det væv, der er af interesse for operationen på tidspunktet for operationen. På denne måde kan beslutninger vedrørende blodforsyning ("perfusion") hjælpes, især relateret til sikkerhed ved sammenføjning af dele af væv efter fjernelse af sygdom. Udstyret og agenten er godkendt til brug på denne måde og har meget gode sikkerhedsprofiler. Mange internationale undersøgelser har allerede påvist, at brugen af ​​fluorescens-guidet kirurgi er forbundet med lavere lækager, når sygdoms tarmsegmenter fjernes, og de sunde ender forbindes igen.

Tidligere arbejde, vi har udført, har vist, at sofistikerede computermetoder kan lære at fortolke fluorescensmønstrene til en lignende standard som en kirurg, der er meget erfaren i fluorescensstyret kirurgi.

I denne undersøgelse sigter vi efter at vurdere, om det computersystem, vi har udviklet, virker i realtid, i teateret, for at give en pålidelig fortolkning af fluorescensmønsteret, der ville matche, hvordan en ekspert ville fortolke det samme mønster. Systemets analyse vil ikke påvirke driften; i stedet vil videobilleder blive optaget, behandlet og analyseret af vores computersystem. Resultaterne af fortolkningen vil ikke blive vist for den opererende kirurg under proceduren for at undgå indflydelse på beslutningstagningen.

Studieoversigt

Detaljeret beskrivelse

Kirurgi er en væsentlig bidragyder til sundhedsvæsenet, men den skal løbende optimeres for at maksimere dens effektivitet og samtidig minimere risiko og omkostninger. Komplekse kirurgiske resultater, som ofte kræver betydelige sundhedsressourcer, fremhæver behovet for konstante forbedringer i sikkerhed og præcision. Hver kirurgisk procedure består af en række kritiske trin, der er afhængige af kirurgens dømmekraft såvel som teknisk fingerfærdighed og dygtighed. Beslutninger træffes overvejende gennem visuel fortolkning af fund i sammenhæng med patientspecifikke faktorer (inklusive dem, der er profileret præoperativt) og operatørens egen erfaring (som omfatter formel træning og akkumuleret ekspertise). Dette gælder især for minimalt invasiv kirurgi, som bruger et kamera placeret internt til at vise den interne scene sammen med operatørens handlinger på en skærm til visning (det digitaliserede billede er skabt af en computer til fortolkning af et menneske). Afgørende for operationens succes er at træffe de mest præcise beslutninger som muligt for at sikre, at patienterne får en sikker og vellykket operation, der afhjælper problemet med så lidt funktionstab som muligt. For kolorektal resektionskirurgi betyder det, at man ved, at det resterende væv er tilstrækkeligt perfunderet til at hele, da ikke-heling af anastomoser er forbundet med betydelig morbiditet og dødelighed.

Nær-infrarød laparoskopi er en etableret teknologi, der har til formål at forbedre kliniske resultater ved at give et middel til at se visse vævskarakteristika, som ellers ville være usynlige for det menneskelige øje, for at hjælpe med intraoperativ beslutningstagning. Denne teknologi bruger energi i NIR-området (780-820 nm) til at visualisere væv sammen med standard forespørgsel i hvidt lys. Energi i denne bølgelængde forårsager ingen cellulær skade og kan trænge ind i noget væv til en dybde på nogle millimeter. Ved denne bølgelængde er der ingen biologisk reflektans fra vævet, så tilstedeværelsen af ​​et responsivt middel administreret systemisk kan bekræftes, hvis midlet er i stand til fluorescens (det vil sige absorption af energi ved én bølgelængde og dets re-emission ved en anden bølgelængde). Mens nye fluorescensmidler er under udvikling, er det mest nyttige og sikreste middel, der er godkendt til brug, lige nu indocyaningrøn (ICG), som længe har været godkendt og bevist sikkert til kredsløbsvurdering, herunder mikrovaskulær vævsperfusion. Når det administreres systemisk, cirkulerer farvestoffet gennem kroppen på få sekunder, hvilket giver realtidsinformation, som gentagne gange kan vurderes på forskellige stadier gennem operationen. Til dato har mange undersøgelser, herunder randomiserede kontrollerede forsøg, vist, at brugen af ​​indocyanin grøn fluorescens angiografi (ICGFA) er forbundet med lavere rater af anastomotisk lækage ved større kolorektal resektionskirurgi. Subjektive fortolkninger af dynamisk skiftende scener kan være vanskelige, især hvor forskellige områder af skærmen måske skal spores over tid. Men i betragtning af at brugen af ​​ICGFA er forbundet med lavere lækagehastigheder, skal fortolkning af signalmønstre af ekspertbrugere være konsekvent, og dette er også blevet demonstreret i arbejde, der ser på inter-bruger variabilitet.

"Digital kirurgi" som begreb relaterer sig til anvendelsen af ​​teknologi til dataanalyse i realtid under operationer. Udtrykket kunstig intelligens (AI) refererer til teknologi, der forsøger at efterligne menneskelig erkendelse. Computer vision refererer til konverteringen af ​​visuel visning til numeriske datasæt, der derefter bliver tilgængelige for maskinlæring via dens anvendelse af statistiske modeller baseret på en stikprøve af data for at anvende beslutningstagning til situationer uden eksplicit at være designet til at udføre opgaven. En forudsigelsesmodel kan veje forskellige veje, og en klassifikator kan derefter præsentere beslutningsstøtteforslag sammen med dens konfidensniveauer. I tidligere arbejde har vi trænet AI-modeller baseret på ekspertfortolkning af fluorescenssignalmønstre hos patienter, der var kendt for ikke at lide af en postoperativ anastomotisk lækage. Vi har efterfølgende testet denne metode prospektivt, intraoperativt i på hinanden følgende patienter på en bærbar computer (med NVIDIA T500 2GB GPU). Softwaremetoden viste sig at være 100 % nøjagtig på objektniveau og matchede den faktiske hæftemaskineplacering af den operationelle kirurg. Vi har også vist, at det kan lære af fortolkninger af flere kirurger og kan generaliseres til andre kirurger og billeddannelsessystemer. Siden da har vi bygget en softwareplatform på NVIDIA Jetson.

Vi sigter mod at teste den AI-baserede software i at give, hvordan en ekspert kirurg ville fortolke ICGFA-signaler i realtid, i biografen under operationen. Kirurger vil blive blindet over for forudsigelserne lavet af AI-algoritmen.

For at gøre dette vil ICGFA blive brugt som godkendt til patienter, der gennemgår åben, laparoskopisk eller robotisk større kolorektal resektionskirurgi i henhold til sædvanlige kliniske plejeprotokoller. Videooptagelser vil blive analyseret af AI-modellen sideløbende med operationen, men kirurgen vil blive blindet for repræsentationen.

Til sidst, efter at proceduren er afsluttet, vil den information, som modellen genererer, blive sammenlignet med de fortolkninger, som kirurgen har foretaget intraoperativt. Den indledende fase af undersøgelsen vil involvere at teste den AI-model, der allerede er blevet udviklet. De efterfølgende faser vil involvere sideløbende test af nye AI-modeller udviklet ved hjælp af fortolkninger fra de deltagende steder.

Kort sagt, i denne undersøgelse vil patienter, der har åben, laparoskopisk eller robotkirurgi for kolorektal sygdom, modtage ICG med henblik på bestemmelse af tarmperfusionssufficiens. Videooptagelser af disse billeder vil blive undersøgt matematisk i realtid med hensyn til fluorescensmønstre og sammenlignet med kirurgens fortolkning og kliniske forløb både for at teste modellen og for at bygge videre dens læringssæt.

Der vil ikke blive foretaget ændringer i ledelsen baseret på den nye analytiske information, der genereres for patienter i denne undersøgelse - undersøgelsen er derfor et prospektivt observationelt kohortestudie. AI-modellering vil kræve, at relevante pseudonymiserede data sendes ud af stedet i form af videoen og klassificeringsmetadata til forskningspartnere i University College Dublin.

Alle potentielle deltagende patienter vil få eksplicit samtykke til undersøgelsens mål, protokoller og veje. Datadeling vil være i overensstemmelse med GDPR-reglerne, og processerne i denne undersøgelse er blevet kortlagt af hospitalets GDPR-medarbejder. Ingen personligt identificerende information vil forlade forskningsgruppen eller være tilgængelig for ikke-involveret personale.

NIR laparoskopi og ICGFA involverer systemisk administration af ICG inden for dets licens - dvs. primær karakterisering af vævsperfusion, dette er derfor et ikke-CTIMP studie. Den anvendte dosis bestemmes af den opererende kirurg i henhold til deres standard kliniske praksis.

ICGFA er blevet brugt til vurdering af tarmperfusionssufficiency i adskillige undersøgelser og er ved at blive evalueret i randomiserede forsøg for at fastslå, at det gavner. Det anvendte middel, ICG, har været i klinisk brug i flere årtier med yderligere anvendelser inden for oftalmologi, kritisk pleje, hepatologi (vurdering af levervolumen) og intraoperativt til definition af galdetræets anatomi. Som et kræftmærkemiddel er det blevet brugt til leverkræft og metastaser, lunge- og bugspytkirtelkræft, ligesom det for nylig er blevet godkendt af FDA til lymfatisk kortlægning af gynækologisk malignitet. Det er også blevet brugt som et endoskopisk tatoveringsmiddel. Det tolereres generelt godt med en lav anafylaksifrekvens og høj sikkerhedsprofil, der udskilles umetaboliseret af leveren.

NIR-belysning er nu indbygget i systemet lavet af flere store kommercielle virksomheder, herunder Stryker, Arthrex, Karl Storz, Olympus og Intuitive med omfattende erfaring med brug uden vævstoksicitet. I denne undersøgelse vil NIR-videoer blive optaget ved hjælp af enten Stryker/Arthrex-systemet.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

300

Kontakter og lokationer

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

Studiekontakt

Studiesteder

      • Dublin, Irland
        • Mater Misericordiae University Hospital
        • Kontakt:
        • Kontakt:
          • Ronan Cahill

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

Voksne patienter med kolorektal sygdom, der gennemgår segmental resektion via en åben, laparoskopisk eller robottilgang, vil blive kontaktet med henblik på inklusion i forsøget. Deltagerne skal være i stand til og villige til at overholde betingelserne i protokollen.

Sådanne patienter vil blive identificeret fra henvisningsbreve, ambulatorier, endoskopilister og tværfaglige cancermøder. Patienterne vil gennemgå standard præoperativ oparbejdning, herunder tyktarmsvisualisering ved enten koloskopi eller CT-kolonogram, iscenesættelse af CT-scanning af bryst, mave og bækken, MR af endetarmen og vurdering af egnethed til operation i henhold til standardpraksis. Den optimale behandling af patienten vil blive bestemt ud fra institutionelle protokoller.

Beskrivelse

Inklusionskriterier:

  • Deltageren er villig og i stand til at give informeret samtykke til deltagelse i undersøgelsen.
  • I alderen 18 år eller derover.
  • Kolorektal sygdom, der kræver segmental resektion med anastomose.
  • Deltageren har klinisk acceptable laboratorieresultater, herunder leverfunktionstests.
  • Efter efterforskerens mening er i stand til og villig til at overholde alle studiekrav.
  • Er villig til at lade hans eller hendes praktiserende læge og konsulent, hvis det er relevant, få besked om deltagelse i undersøgelsen.

Ekskluderingskriterier:

Deltageren må ikke deltage i undersøgelsen, hvis NOGET af følgende gør sig gældende:

  • Deltager, der er gravid, ammer eller planlægger graviditet i løbet af undersøgelsen.
  • Betydelig nyre- eller leverinsufficiens.
  • Enhver anden væsentlig sygdom eller lidelse, som efter Investigators mening enten kan bringe deltagerne i fare på grund af deltagelse i undersøgelsen eller kan påvirke resultatet af undersøgelsen eller deltagerens mulighed for at deltage i undersøgelsen.
  • Allergi over for intravenøst ​​kontrastmiddel eller indocyaningrøn.
  • Samtidig brug af antikonvulsiva, bisulfitholdige lægemidler, metadon og nitrofurantoin.

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
Deltagere, der gennemgår resektion af kolorektal sygdom ved segmental resektion og anastomose

Deltagerne vil få udført indocyanin grøn fluorescens angiografi (ICGFA) under deres procedure i henhold til rutinepraksis hos den operationelle kirurg.

Når først præsenteret for ICGFA, med kirurgens bekræftelse af det niveau, der er klinisk vurderet passende til transektion, placeres segmentet/segmenterne af interesse i fokus, og optagelsen påbegyndes. ICG administreres, og angiografien fortolkes af den opererende kirurg for at guide transektionsstedet, hvilket er angivet i samme registrering.

Videobilledet vil blive udsat for realtidsanalyse af AI-modellen med en repræsentativ fortolkning af ICGFA-signalet genereret af modellen, men kirurgen vil blive blindet for denne fortolkning.

Proceduren vil derefter fortsætte og afsluttes i henhold til rutinemæssig praksis.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtighed af AI-fortolkning i forhold til intraoperativ beslutning truffet af operationskirurg
Tidsramme: Inden for 12 måneder efter studiestart

Nøjagtighed af det indledende AI-baserede system med samtidig udvikling og test af nye AI-modeller ved hjælp af data genereret fra deltagende websteder.

Algoritmens ydeevne vil blive analyseret på både objekt- og pixelniveau. På objektniveau vil nøjagtigheden blive vurderet ud fra, om den faktiske hæftemaskineplacering af den opererende kirurg falder inden for grænserne af "ekspert"-zonen forudsagt af algoritmen. Pixelniveauanalyse vil måle overlapningen mellem de forudsagte og faktiske zoner.

Inden for 12 måneder efter studiestart

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Metoder til at vise informationen genereret fra modellen til den opererende kirurg
Tidsramme: Inden for 12 måneder efter studiestart
Det kirurgiske teammedlemmer kan være forpligtet til at interagere med en grafisk brugergrænseflade til annotering af de optagede billeder. Tilgængelighed og anvendelighed af denne grænseflade vil blive vurderet gennem brugerundersøgelser og analyse af videokvalitetsmål.
Inden for 12 måneder efter studiestart

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 (Anslået)

1. januar 2025

Primær færdiggørelse (Anslået)

1. januar 2026

Studieafslutning (Anslået)

1. januar 2026

Datoer for studieregistrering

Først indsendt

26. november 2024

Først indsendt, der opfyldte QC-kriterier

26. november 2024

Først opslået (Anslået)

27. november 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

27. november 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

26. november 2024

Sidst verificeret

1. november 2024

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

På grund af den følsomme karakter af de data, der indsamles (sundhedsdata), vil individuelle deltagerdata ikke blive delt i overensstemmelse med GDPR og som beskrevet i patientinformationsfolderen. Men skulle algoritmen virke, er det hensigten at aggregere videodatasættene med yderligere pseudonymisering, så disse derefter kan deles med interessenter. Dette ville være for at hjælpe med enhver fremtidig udrulning som et medicinsk udstyr for at tillade det, vi lærer, at blive omsat i klinisk praksis og for at besvare relaterede nye forskningsspørgsmål i fremtiden, specifikt relateret til computersyn og AI-fremskridt inden for kirurgi og sundhedspleje . Disse interessenter omfatter hospitalsgrupper, universiteter og/eller industri (herunder multinationale kommercielle enheder). Dette vil kun ske med tilladelse fra forskerteamet og hovedefterforskeren i overensstemmelse med forskningsetisk godkendelse.

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

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 .

Abonner