Echtzeit-KI-gestützte zelluläre Endoskopie zur Diagnose kolorektaler Läsionen: eine multizentrische, prospektive klinische Studie
Echtzeit-AI-unterstützte zelluläre Endoskopie zur Diagnose von kolorektalen Läsionen: eine multizentrische, prospektive klinische Studie
Darmkrebs (CRC) ist die dritthäufigste Malignität und die zweithäufigste Ursache für krebsbedingte Todesfälle weltweit. Die Koloskopie gilt als die bevorzugte Screening -Methode bei Darmkrebs, und der Nachweis von kolorektalen neoplastischen Läsionen und Resektionskontrolle kann die Morbidität und Mortalität von Darmkrebs erheblich verringern. Um die diagnostische Genauigkeit der Endoskopie für kolorektale Läsionen, viele endoskopische Techniken wie bildverstärkte Endoskopie, einschließlich schmaler Bandbildgebung (schmale Bandbildgebung, NBI), Vergrößerungsendoskopie, Pigmentendoskopie, konfokale Laserendoskopie und Endozytoskopie (schmale Bandbildgebung, zu verbessern EC) werden klinisch angewendet. Angesichts der zunehmenden Anzahl endoskopischer Resektion steigen die mit der pathologischen Diagnose der endoskopischen Resektions- und Resektionsproben verbundenen Kosten von Jahr zu Jahr. In der klinischen Praxis erfordern einige nicht-neoplastische kolorektale Läsionen möglicherweise keine Resektion. Daher ist es wichtig, die Art der Läsion während der Koloskopie zu identifizieren.
Die Endozytoskopie ist eine Art ultrahohe Vergrößerungsendoskopie. In Kombination mit chemischer Färbung und schmaler Bandbildgebungstechnologie können Endoskopisten die Zellkernmorphologie, die Morphologie der Drüsenröhre und die mikrovaskuläre Morphologie mit bloßem Auge beobachten, um eine pathologische Untersuchung zu vermeiden und den Zweck der Echtzeitbiopsie im Körper zu realisieren. Das Urteil über endozytoskopische Bilder erfordert jedoch viel Erfahrung, um die Urteilsgenauigkeit zu verbessern. Darüber hinaus haben Endoskopisten bestimmte subjektive Urteile und Fehler bei der Beurteilung der Ergebnisse. Daher wird künstliche Intelligenz (KI) für computergestützte Diagnose in der Klinik vorgeschlagen, um dieses Problem zu lösen. In der frühen Phase hat unser Zentrum ein AI-unterstütztes diagnostisches System entwickelt, das auf der zellulären Endoskopie basiert, um die Art der kolorektalen Läsionen zu unterstützen. Es gibt jedoch immer noch einen Mangel an prospektiven klinischen Studien, um die Wirksamkeit des AI-unterstützten Systems zu überprüfen. Daher möchten wir diese klinische Studie durchführen, um die klinische Wirksamkeit der KI zu überprüfen.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Die Koloskopie ist derzeit der Goldstandard für das Screening auf CRC. Die Endozytoskopie ist eine Art ultrahochvergrößernde Endoskopie. In Kombination mit chemischer Färbung und Narrow-Band-Imaging-Technologie können Endoskopiker die Zellkernmorphologie, die Drüsenschlauchmorphologie und die Mikrogefäßmorphologie mit bloßem Auge beobachten, um so eine pathologische Untersuchung zu vermeiden und das Ziel einer Echtzeit-Biopsie in vivo zu erreichen. Die Beurteilung von endozytoskopischen Bildern erfordert jedoch viel Erfahrung, um die Beurteilungsgenauigkeit zu verbessern. Darüber hinaus haben Endoskopiker bei der Beurteilung der Ergebnisse gewisse subjektive Einschätzungen und Fehler. Daher wird künstliche Intelligenz (KI) für die computergestützte Diagnose in der Klinik vorgeschlagen, um dieses Problem zu lösen. Derzeit sind verfügbare künstliche Intelligenzsysteme zur Unterstützung von Endoskopikern bei der Diagnose mittels Endozytoskopie noch relativ selten und basieren auf traditionellen maschinellen Lernmethoden, die in Bezug auf die Genauigkeit noch gewisse Einschränkungen aufweisen. Mit der kontinuierlichen Entwicklung der Computer Vision-Technologie hat sich Deep Learning bei der Entwicklung von endoskopischen Assistenzdiagnosesystemen weit verbreitet. Daher entwickelten die Untersucher ein CADx-System, das mit Deep Learning trainiert wurde, um Endoskopiker bei der Diagnosestellung bei der Verwendung von Endozytoskopie zu unterstützen. Dieses CADx-System kann die aufgenommenen Endozytoskopiebilder in Echtzeit vorhersagen und die Vorhersageergebnisse anzeigen, was Endoskopiker bei der Bereitstellung diagnostischer Referenzen unterstützen kann.
Allerdings hat diese CADx-Technologie derzeit noch keine prospektive klinische Validierung im klinischen Umfeld durchlaufen. Die Untersucher planen eine prospektive klinische Studie, um die Genauigkeit von CADx für die Vorhersage der Histologie kolorektaler Läsionen in der Echtzeit-Endozytoskopie zu validieren. Diese Studie wird prospektiv die Läsionen sammeln, die den Einschluss- und Ausschlusskriterien entsprechen. Nachdem die Endoskopiker die Diagnose durch endoskopische Bilder und CADx gestellt haben und dann eine endoskopische Resektion oder chirurgische Resektion mit anschließender pathologischer Diagnose durchgeführt wurde, werden sie die KI-Diagnoseergebnisse mit den Goldstandard-Pathologieergebnissen vergleichen und die diagnostische Genauigkeit dieses KI-gestützten Diagnosesystems für die kolorektalen Läsionen zusammenfassen.
Die Untersucher planen eine prospektive, multizentrische klinische Studie, um die Genauigkeit der CADx-Unterstützung für die Vorhersage der Histologie kolorektaler Läsionen in der Echtzeit-Endozytoskopie zu validieren.
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Mingqing Liu, Docror
- Telefonnummer: +8613204300453
- E-Mail: liumq23@mails.jlu.edu.cn
Studienorte
-
-
Jilin
-
Changchun, Jilin, China, 130021
- The First Hospital of Jilin University
-
Meihekou, Jilin, China, 135000
- Meihekou Central Hospital
-
-
Shandong
-
Jinan, Shandong, China, 250000
- Shandong Second Provincial General Hospital
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Darmläsionen
Ausschlusskriterien:
- Läsionen ohne hochwertige Bilder;
- Entzündliche Darmerkrankungen, familiäre adenomatöse Polyposis und andere spezielle Erkrankungen;
- Submukosale Tumoren;
- Pathologische Diagnose von entzündlichen Polypen, Peutz-Jeghers-Polypen, juvenilen Polypen, Lymphom und anderen pathologischen Typen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Patienten mit einem oder mehreren detektierten kolorektalen Läsionen
Während der Koloskopie untersucht der Endoskopiker gemäß der routinemäßigen klinischen Praxis auf das Vorhandensein kolorektaler Läsionen, während die CADx ausgeschaltet ist. Wenn eine kolorektale Läsion festgestellt wird, wird der Endoskopiker basierend auf der endoskopischen Diagnose eine Vorhersage zur Histologie treffen. Anschließend wird die CADx ausgelöst und das vom Endoskopiker aufgenommene endoskopische Bild anzeigen. Und der Endoskopiker wird die CADx-Vorhersage für dasselbe Bild notieren. Darüber hinaus werden andere Läsionsmerkmale wie Größe und Lage erfasst, ähnlich wie in der routinemäßigen klinischen Praxis. Die Läsion wird endoskopisch reseziert oder chirurgisch entfernt und zur pathologischen Untersuchung eingesandt, was den "Goldstandard" für die Diagnose der Polypenhistologie bildet. |
Das CADx-Unterstützungstool zeigt die Vorhersageergebnisse an, wenn die Endoskopiker die Tasten auf der feststehenden Tastatur drücken.
Dies erfolgt, nachdem die Endoskopiker zunächst eine optische Vorhersage der Histologie kolorektaler Läsionen mit Endozytoskopie durchgeführt haben, wie beschrieben.
Das CADx-Unterstützungstool erstellt eine Vorhersage der Histologie kolorektaler Läsionen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Zur Bewertung der diagnostischen Leistungsfähigkeit der CAD-Färbung bei der Diagnose neoplastischer Läsionen in einem klinischen Umfeld.
Zeitfenster: 11 Monate
|
Die diagnostische Leistung wird zur Vergleich mit der endgültigen Histologie als Goldstandard für die Diagnose berechnet
|
11 Monate
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Zur Bewertung der diagnostischen Leistung des CAD-NBI bei der Diagnose neoplastischer Läsionen in einem klinischen Umfeld.
Zeitfenster: 11 Monate
|
Die diagnostische Leistung wird für den Vergleich mit der endgültigen Histologie als Goldstandard für die Diagnose berechnet
|
11 Monate
|
|
Um die diagnostische Leistung von CAD-NBI und CAD-gefärbt bei verschiedenen kolorektalen neoplastischen Läsionen zu vergleichen.
Zeitfenster: 11 Monate
|
Die diagnostische Leistung von CAD-NBI und CAD-gefärbt wird zur Vergleich mit der endgültigen Histologie als Goldstandard für die Diagnose berechnet.
|
11 Monate
|
|
Zur Bewertung der diagnostischen Leistung von CAD-NBI und CAD-gefärbt bei der Diagnose von neoplastischen DRSPs mit hoher Sicherheit
Zeitfenster: 11 Monate
|
Die diagnostische Leistung von CAD-NBI und CAD-gefärbt wird zur Vergleich mit der endgültigen Histologie als Goldstandard für die Diagnose berechnet.
|
11 Monate
|
|
Zur Bewertung der Übereinstimmung der Überwachungsintervalle nach Polypektomie basierend auf CAD-NBI- und CAD-gefärbten Vorhersagen mit der histopathologischen Diagnose
Zeitfenster: 11 Monate
|
Die Übereinstimmung der Überwachungsintervalle nach der Polypektomie basierend auf CAD-NBI- und CAD-gefärbten Vorhersagen mit der pathologischen Diagnose erfolgte gemäß den Leitlinien
|
11 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Hong Xu, Docror, The First Hospital of Jilin University
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 25K013-001
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
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .