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

Kunstig Intelligens-vejledt detektion af blodkar for at forbedre sikkerheden ved tredje-rum endoskopiske procedurer

14. april 2026 opdateret af: Abhishek Tyagi, Asian Institute of Gastroenterology, India

Kunstig Intelligens-styret detektion af anatomiske markører til forbedret sikkerhed ved tredje-rum endoskopiske procedurer

Dette prospektive studie har til formål at evaluere ydeevnen af et nyt kunstig intelligens (AI) klinisk beslutningsstøtteværktøj under tredje rum endoskopiske procedurer, såsom endoskopisk submukosadissektion (ESD) og peroral endoskopisk myotomi (POEM).

Selvom disse procedurer er effektive til behandling af gastrointestinale neoplasmer og bevægelighedsforstyrrelser, medfører de risiko for intraprocedural blødning og perforation, hvis submukøse blodkar ikke korrekt identificeres og koaguleres. Baseret på tidligere retrospektiv validering vil dette studie vurdere, om en realtids kunstig intelligensmodel kan assistere endoskopister i at detektere og afgrænse blodkar mere præcist og hurtigere under levende humane procedurer.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Baggrund og Rationale

Tredje-rum endoskopiprocedurer er teknisk krævende. Den primære udfordring ligger i utilsigtet gennemskæring af submukøse blodkar, som fører til blødning, der slører det kirurgiske felt og øger risikoen for perforering. I øjeblikket er blodkaridentifikation helt operatørafhængig.

Vores team har udviklet en deep learning-baseret kunstig intelligensmodel trænet på 250.000 annoterede billeder fra 150 POEM-procedurer. Denne model er optimeret for minimal latenstid, hvilket muliggør realtids visuelle overlejringer (afgrænsning) af blodkar på endoskopmonitoren.

Studiemål Det primære mål er at evaluere Vessel Detection Rate (VDR) – andelen af blodkar identificeret af endoskopisten, når de assisteres af AI, sammenlignet med standardpraksis.

Studiet vil også undersøge:

Vessel Detection Time (VDT): Latenstiden mellem et blodkar, der vises i synsfeltet, og dets identifikation.

Studiedesign og arbejdsgang:

I dette prospektive studie vil AI-systemet blive integreret i Olympus EVIS X1-serien endoskopistak. Mens endoskopisten navigerer i det submukøse rum, vil AI'en give realtids visuelle segmenteringsmasker, der fremhæver blodkar. Ydeevnen vil blive optaget og sammenlignet med en efter-procedure gennemgang af uafhængige eksperter for at beregne sensitivitet og detektionshastighed.

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

20

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

  • Indien
    • Telangana
      • Hyderabad, Telangana, Indien, 500032
        • Rekruttering
        • Asian Institute Of Gastroenterology
        • Kontakt:
        • Ledende efterforsker:
          • Abhishek Tyagi, M.S.

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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Beskrivelse

Inklusionskriterier:

  • Patienter diagnosticeret med Achalasia Cardia eller neoplasmer.

Eksklusionskriterier:

  • Patienter med tilstande, der anses for uegnede til tredje rum-endoskopiprocedurer (f.eks.: Candidiasis)

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Enhedens gennemførlighed
  • Tildeling: Randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Ingen (Åben etiket)

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Aktiv komparator: Med Kunstig Intelligens
Endoskopisten vil se den AI-genererede segmenteringsmaske
Enhed: AI-genereret segmenteringsmaske for submukøse blodkar
Realtids AI-genereret segmenteringsmaske eller afgrænsningskonturer for submukøse blodkar synlige på endoskopimonitoren.
Ingen indgriben: Uden kunstig intelligens
Endoskopisten vil ikke se den AI-genererede segmenteringsmaske

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Vessel Detection Rate (VDR)
Tidsramme: 3 måneder
andelen af kar identificeret af endoskopisten
3 måneder

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Vessel Detection Time (VDT)
Tidsramme: 3 måneder
Forsinkelsen mellem, at et fartøj vises i synsfeltet og dets identifikation.
3 måneder

Samarbejdspartnere og efterforskere

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

Sponsor

Asian Institute of Gastroenterology, India

Efterforskere

  • Ledende efterforsker: Abhishek Tyagi, Asian Intitute of Gastroenterology

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.

Generelle publikationer

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)

10. februar 2026

Primær færdiggørelse (Anslået)

30. april 2026

Studieafslutning (Anslået)

30. april 2026

Datoer for studieregistrering

Først indsendt

27. januar 2026

Først indsendt, der opfyldte QC-kriterier

3. februar 2026

Først opslået (Faktiske)

10. februar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

15. april 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

14. april 2026

Sidst verificeret

1. februar 2026

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • AITSE-1

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

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 .

Kliniske forsøg med Svulst

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Norway

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner