Künstliche Intelligenz versus erfahrene Endoskopiker zur Diagnose von Magenkrebs
Eine retrospektive, offene, randomisierte, kontrollierte Studie mit einem Zentrum zur künstlichen Intelligenz im Vergleich zu erfahrenen Endoskopikern zur Diagnose von Magenkrebs bei Patienten, die sich einer Endoskopie des oberen Gastrointestinaltrakts unterzogen haben
Titel: Eine retrospektive, randomisierte, kontrollierte Single-Center-Studie zur künstlichen Intelligenz (KI) im Vergleich zu erfahrenen Endoskopikern zur Diagnose von Magenkrebs bei Patienten, die sich einer Endoskopie des oberen Gastrointestinaltrakts unterzogen haben.
Präzise: Diese monozentrische, retrospektive, randomisierte, kontrollierte Studie wird 500 ambulante Patienten umfassen, die sich einer Endoskopie des oberen Gastrointestinaltrakts zur Magenkrebsvorsorgeuntersuchung unterzogen haben, und wird die diagnostische Erkennungsrate für Magenkrebs von AI und erfahrenen Endoskopikern vergleichen.
Ziele Hauptziel: Bewertung der diagnostischen Erkennungsrate für Magenkrebs bei AI und erfahrenen Endoskopikern.
Sekundäre Ziele: Feststellung, ob die KI erfahrenen Endoskopikern in Bezug auf die Anzahl der zur Diagnose von Magenkrebs und Intersektion über Union (IOU) analysierten Bilder sowie die Erkennungsrate der Diagnose von frühem und fortgeschrittenem Magenkrebs nicht unterlegen ist.
Endpunkte Primärer Endpunkt: Diagnose von Magenkrebs. Sekundäre Endpunkte: bildbasierte Diagnose von Magenkrebs und IOU. Population: Insgesamt 500 Männer und Frauen im Alter von ≥ 20 Jahren, die sich in einem einzigen Krankenhaus in Japan einer Endoskopie des oberen Gastrointestinaltrakts zur Früherkennung von Magenkrebs unterzogen haben.
Beschreiben Sie die Intervention: KI-basierte Diagnose von Magenkrebs basierend auf Endoskopiebildern des oberen Gastrointestinaltrakts.
Studiendauer: 3 Monate.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Vor dem Studium: Insgesamt 500: Screening potenzieller Probanden anhand von Einschluss- und Ausschlusskriterien; Endoskopiebilder erhalten.
Es wurde eine Randomisierung durchgeführt.
Intervention: Bei 250 Patienten wurde eine KI-Diagnose anhand von Endoskopiebildern des oberen Gastrointestinaltrakts durchgeführt, und bei 250 Patienten wurde eine Diagnose durch Experten-Endoskopiker mit den gleichen Methoden durchgeführt.
Primäre Analyse: Führen Sie eine primäre Analyse der primären und sekundären Endpunkte für 250 Patienten in jeder Gruppe durch
Es wurde eine Crossover-Diagnose zwischen AI und erfahrenen Endoskopikern durchgeführt.
Führen Sie eine Sekundäranalyse der Übereinstimmung der Magenkrebsdiagnose pro Bild und IOU zwischen AI und erfahrenen Endoskopikern für 500 Patienten durch.
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
-
Tokyo, Japan, 1138655
- Department of Gastroenterology, Graduate School of Medicine, The University of Tokyo
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
- Männer oder Frauen im Alter von ≥ 20 Jahren, die sich im Jahr 2018 einer Endoskopie des oberen Gastrointestinaltrakts am Universitätskrankenhaus Tokio unterzogen haben.
- Informierte Optout-Einwilligung, die von jedem Patienten vor Abschluss der Studie eingeholt wird.
Ausschlusskriterien:
- Patienten, die sich einer Gastrektomie unterzogen haben.
- Patienten, bei denen eine transnasale Endoskopie des oberen Gastrointestinaltrakts durchgeführt wurde.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Experimental: KI-basierte Diagnose
• Eine KI-basierte Diagnose wird auf der Grundlage der Analyse endoskopischer Bilder durchgeführt (Olympus Optical, Tokio, Japan).
Die Forscher werden den Single Shot MultiBox Detector (SSD), eine tiefe neuronale Netzwerkarchitektur (https://arxiv.org/abs/1512.02325) und einen optimalen diagnostischen Grenzwert aus einem früheren Bericht2 verwenden.
Das KI-System überprüfte Endoskopiebilder und meldete diejenigen, bei denen Magenkrebs festgestellt wurde, zusammen mit den Koordinaten (X, Y) der Läsionen.
|
Die KI-basierte Diagnose wird auf der Grundlage der Analyse endoskopischer Bilder durchgeführt (Olympus Optical, Tokio, Japan).
Die Forscher werden den Single Shot MultiBox Detector (SSD), eine tiefe neuronale Netzwerkarchitektur (https://arxiv.org/abs/1512.02325) und einen optimalen diagnostischen Grenzwert aus einem früheren Bericht2 verwenden.
Das KI-System überprüfte Endoskopiebilder und meldete diejenigen, bei denen Magenkrebs festgestellt wurde, zusammen mit den Koordinaten (X, Y) der Läsionen.
|
|
Aktiver Komparator: Fachkundige Endoskopie-Diagnose
Bei den Experten für Endoskopie handelt es sich um zwei Ärzte mit Erfahrung aus mehr als 20.000 Endoskopien.
Die erfahrenen Endoskopiker überprüfen 5 Minuten lang die Endoskopiebilder jedes Patienten.
Anschließend melden sie Endoskopiebilder, in denen Magenkrebs erkannt wurde, und kommentieren die Läsionen in diesen Bildern manuell.
|
Bei den Experten für Endoskopie handelt es sich um zwei Ärzte mit Erfahrung aus mehr als 20.000 Endoskopien.
Die erfahrenen Endoskopiker überprüfen 5 Minuten lang die Endoskopiebilder jedes Patienten.
Anschließend melden sie Endoskopiebilder, in denen Magenkrebs erkannt wurde, und kommentieren die Läsionen in diesen Bildern manuell.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Diagnose von Magenkrebs pro Patient
Zeitfenster: Bis zu 6 Wochen ab Studienbeginn
|
Zahl der Teilnehmer
|
Bis zu 6 Wochen ab Studienbeginn
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anzahl der zur Diagnose von Magenkrebs analysierten Bilder
Zeitfenster: Bis zu 6 Wochen ab Studienbeginn
|
Anzahl der Endoskopiebilder des oberen Gastrointestinaltrakts
|
Bis zu 6 Wochen ab Studienbeginn
|
|
Schnittpunkt über Vereinigung (IOU) von Magenläsionen
Zeitfenster: Bis zu 6 Wochen ab Studienbeginn
|
Ein Wert zwischen 0 und 1
|
Bis zu 6 Wochen ab Studienbeginn
|
|
Diagnose von fortgeschrittenem Magenkrebs
Zeitfenster: Bis zu 6 Wochen ab Studienbeginn
|
Anzahl der Teilnehmer, bei denen fortgeschrittener Magenkrebs diagnostiziert wurde
|
Bis zu 6 Wochen ab Studienbeginn
|
|
Diagnose von Magenkrebs im Frühstadium
Zeitfenster: Bis zu 6 Wochen ab Studienbeginn
|
Anzahl der Teilnehmer, bei denen Magenkrebs im Frühstadium diagnostiziert wurde
|
Bis zu 6 Wochen ab Studienbeginn
|
|
Vereinbarung zur bild- und IOU-basierten Diagnose von Magenkrebs zwischen AI und erfahrenen Endoskopikern
Zeitfenster: Bis zu 12 Wochen ab Studienbeginn
|
Anzahl der Bilder und IOU-Wert (zwischen 0 und 1)
|
Bis zu 12 Wochen ab Studienbeginn
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Ryota Niikura, MD, Tokyo University
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Cancer Genome Atlas Research Network. Comprehensive molecular characterization of gastric adenocarcinoma. Nature. 2014 Sep 11;513(7517):202-9. doi: 10.1038/nature13480. Epub 2014 Jul 23.
- Hirasawa T, Aoyama K, Tanimoto T, Ishihara S, Shichijo S, Ozawa T, Ohnishi T, Fujishiro M, Matsuo K, Fujisaki J, Tada T. Application of artificial intelligence using a convolutional neural network for detecting gastric cancer in endoscopic images. Gastric Cancer. 2018 Jul;21(4):653-660. doi: 10.1007/s10120-018-0793-2. Epub 2018 Jan 15.
- Niikura R, Aoki T, Shichijo S, Yamada A, Kawahara T, Kato Y, Hirata Y, Hayakawa Y, Suzuki N, Ochi M, Hirasawa T, Tada T, Kawai T, Koike K. Artificial intelligence versus expert endoscopists for diagnosis of gastric cancer in patients who have undergone upper gastrointestinal endoscopy. Endoscopy. 2022 Aug;54(8):780-784. doi: 10.1055/a-1660-6500. Epub 2022 May 4.
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
- 11931-(1)
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 .