Der Einsatz künstlicher Intelligenz zur Vorhersage krebsartiger Lymphknoten für das Lungenkrebsstadium während der Ultraschallbildgebung
Entwicklung und Validierung eines computergestützten Algorithmus unter Verwendung künstlicher Intelligenz und tiefer neuronaler Netze zur Segmentierung von Ultraschallmerkmalen von Lymphknoten während des endobronchialen Ultraschalls
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
Ontario
-
Hamilton, Ontario, Kanada, L8N 4A6
- St. Joseph's Healthcare Hamilton
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Bei ihnen muss bestätigter oder vermuteter Lungenkrebs diagnostiziert werden und sie müssen sich einer EBUS-Diagnose/Stadieneinstufung unterziehen
Ausschlusskriterien:
- Keiner
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Entwicklung eines Computeralgorithmus zur Identifizierung von Lymphknoten-Ultraschallmerkmalen
Zeitfenster: Von der retrospektiven Datenerfassung bis zur Algorithmusentwicklung (1 Monat)
|
Ziel: Bestimmung, ob ein tiefes neuronales KI-Netzwerk (NeuralSeg) lernen kann, den Canada Lymph Node Score den von EBUS untersuchten Lymphknoten zuzuordnen, indem es die Technik der Segmentierung an einem vorhandenen (Ableitungs-)Satz von Lymphknotenvideos verwendet
|
Von der retrospektiven Datenerfassung bis zur Algorithmusentwicklung (1 Monat)
|
|
Validierung eines Computeralgorithmus zur Identifizierung von Lymphknoten-Ultraschallmerkmalen
Zeitfenster: Von der prospektiven Datenerfassung bis zur Algorithmusvalidierung (6 Monate)
|
Ziel: Feststellung, ob NeuralSeg den Canada Lymph Node Score korrekt auf einen neuen (Validierungs-)Satz von Lymphknotenvideos anwenden kann, den es noch nie zuvor gesehen hat
|
Von der prospektiven Datenerfassung bis zur Algorithmusvalidierung (6 Monate)
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit und Zuverlässigkeit der von NeuralSeg durchgeführten Segmentierung
Zeitfenster: Von der vom Chirurgen durchgeführten Segmentierung zur von NeuralSeg durchgeführten Segmentierung (1 Monat)
|
Ziel: Vergleich der Genauigkeit und Zuverlässigkeit der von NeuralSeg durchgeführten Segmentierung mit der Segmentierung, die von einem erfahrenen endoskopischen Chirurgen unter Verwendung von DICE-SORENSEN-Koeffizienten durchgeführt wurde.
|
Von der vom Chirurgen durchgeführten Segmentierung zur von NeuralSeg durchgeführten Segmentierung (1 Monat)
|
|
NeuralSeg-Vorhersage einer malignen Lymphknotenerkrankung
Zeitfenster: Vom NeuralSeg-Algorithmus, der bei der EBUS-Bildgebung verwendet wird, bis zum Biopsiebericht (schätzungsweise 2–3 Monate)
|
Ziel: Feststellung, ob NeuralSeg im Vergleich zu Biopsieergebnissen des untersuchten Lymphknotens eine Malignität im Lymphknoten genau vorhersagen kann.
|
Vom NeuralSeg-Algorithmus, der bei der EBUS-Bildgebung verwendet wird, bis zum Biopsiebericht (schätzungsweise 2–3 Monate)
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Wael C Hanna, St. Josephs Healthcare Hamilton
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- American College of Chest Physicians; Health and Science Policy Committee. Diagnosis and management of lung cancer: ACCP evidence-based guidelines. American College of Chest Physicians. Chest. 2003 Jan;123(1 Suppl):D-G, 1S-337S. No abstract available.
- Hanna WC, Yasufuku K. Bronchoscopic staging of lung cancer. Ther Adv Respir Dis. 2013 Apr;7(2):111-8. doi: 10.1177/1753465812468041. Epub 2012 Dec 20.
- Hylton DA, Turner J, Shargall Y, Finley C, Agzarian J, Yasufuku K, Fahim C, Hanna WC. Ultrasonographic characteristics of lymph nodes as predictors of malignancy during endobronchial ultrasound (EBUS): A systematic review. Lung Cancer. 2018 Dec;126:97-105. doi: 10.1016/j.lungcan.2018.10.020. Epub 2018 Oct 30.
- El-Sherief AH, Lau CT, Wu CC, Drake RL, Abbott GF, Rice TW. International association for the study of lung cancer (IASLC) lymph node map: radiologic review with CT illustration. Radiographics. 2014 Oct;34(6):1680-91. doi: 10.1148/rg.346130097.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- StJoes EBUS AI (5636)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .