Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Künstliche Intelligenz-unterstützte Koloskopie beim Nachweis und Charakterisierung von kolorektalen Läsionen

19. Juni 2026 aktualisiert von: ADRIANA VAZ SAFATLE RIBEIRO, Instituto do Cancer do Estado de São Paulo

Künstliche Intelligenz-unterstützte Koloskopie beim Nachweis und Charakterisierung von kolorektalen Läsionen: Randomisierte kontrollierte klinische Studie

Die Studie zielt darauf ab, die Wirksamkeit der künstlichen Intelligenz-assistierten Koloskopie bei der Erhöhung der Adenomerkennungsrate und der Genauigkeit bei der Charakterisierung von kolorektalen Läsionen im Vergleich zur Standardkoloskopie in einer randomisierten kontrollierten klinischen Studie zu bewerten.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Darmkrebs (CRC) zeigt derzeit nach Angaben von GloboCan eine Inzidenz von 19,5 Personen pro 100.000 Einwohner bei beiden Geschlechtern, was der dritthäufigste Krebs bei Männern und die zweite bei Frauen ist und die dritthäufigste Todesursache bei Männern und Frauen darstellt.

Laut dem GloboCan -Register der Weltgesundheitsorganisation (WHO) ist es geschätzt, dass CRC die dritthäufigste Art von Krebs weltweit ist, die für 10%aller neu diagnostizierten Krebsfälle verantwortlich ist und im Jahr 2020 1.931.590 Fälle entspricht, die nur durch Lungenkrebs (11,4%) und Brustkrebs (11,7%) vorangegangen sind. CRC ist die zweithäufigste Ursache für Krebssterblichkeit (9,4%; 935.173 Fälle im Jahr 2020), nachdem nur 18% der Krebstodesfälle weltweit ausmachen.

In Brasilien spiegelt CRC nach Daten des National Cancer Institute (INCA) die globale Inzidenz wider und ist der zweithäufigste Krebs nach Geschlecht.

Die Koloskopie ist die genaueste CRC -Screening -Methode, wobei die Empfindlichkeit beim Nachweis von kolorektalen Läsionen 100% erreicht. Laut Studien kommt es für jeden Anstieg der Adenomerkennungsrate um 1% zu einer Abnahme der CRC -Mortalität um 5%, was die Bedeutung der Durchführung einer Koloskopie zum Nachweis von kolorektalen Läsionen, insbesondere Adenomen, hervorhebt.

Infolgedessen wurden mit der Weiterentwicklung der Technologie neue hochauflösende Endoskope mit virtueller Chromoskopie und Bildvergrößerung entwickelt, um die Adenom-Nachweisraten zu erhöhen. In jüngerer Zeit hat die AI-unterstützte Koloskopie bei der Verhinderung von CRC in einigen medizinischen Zentren weltweit, wie in Japan, an Bedeutung gewonnen.

In einer multizentrischen Studie mit 700 Patienten im Jahr 2019 wurde eine signifikant höhere Adenomerkennungsrate mit AI-unterstützter Koloskopie im Vergleich zur Standardkoloskopie (54,8% gegenüber 40,4%) nachgewiesen. Anschließend wurde eine randomisierte, doppelblinde klinische Studie mit 1.058 Patienten durchgeführt, wobei die Standardkoloskopie mit AI-unterstützter Koloskopie verglichen wurde. Das Ergebnis war eine Adenomerkennungsrate von 29% für die AI-unterstützte Koloskopie und 20% für die Standardkoloskopie, wobei der Unterschied statistisch signifikant war. Zwei weitere Studien, in denen die AI-unterstützte Koloskopie und die Standardkoloskopie verglichen wurden, zeigten ähnliche Ergebnisse.

However, when analyzing the accuracy of AI systems in characterizing colorectal lesions, different results are observed in the literature. Einerseits berichten japanische Studien über Genauigkeiten von über 90% bei der Charakterisierung neoplastischer und nicht neoplastischer Läsionen mit künstlicher Intelligenz, während andere Studien wie die niederländische Studie und die deutsche Studie eine Genauigkeit von 74,4% bzw. 84,7% im Vergleich zu den japanischen Studien signifikant niedrigere Ergebnisse fanden.

Angesichts der Unterschiede in den Ergebnissen verschiedener Autoren, sondern auch der Unterschiede in der Bevölkerung und des Fehlens von Studien zur AI-unterstützten Koloskopie in Entwicklungsländern besteht das Ziel dieser Arbeit darin, die Adenomerkennungsrate von AI-unterstützten Koloskopie zu bewerten und die Genauigkeit der künstlichen Intelligenz bei der Charakterisierung von kororektalen Läsionen zu bewerten.

Studientyp

Interventionell

Einschreibung (Geschätzt)

1000

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studieren Sie die Kontaktsicherung

  • Name: Adriana Vaz Safatle Ribeiro, PhD
  • Telefonnummer: +55 19 99825-2870

Studienorte

    • São Paulo
      • São Paulo, São Paulo, Brasilien, 05403-010
        • Rekrutierung
        • Hospital Das Clinicas Da Faculdade De Medicina Da USP
        • Unterermittler:
          • Márcio R Facanali Júnior

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

  • Alle Patienten ab 18 Jahren mit einer elektiven Indikation für die Koloskopie, die das Einverständniserklärung unterzeichnen, das sich zur Teilnahme an der Studie erklärt, werden berücksichtigt.

Ausschlusskriterien:

  • Vorgeschichte entzündlicher Darmerkrankungen.

Vorgeschichte von Darmkrebs.

Persönliche Vorgeschichte der kolorektalen Chirurgie.

Kontraindikation gegen endoskopische Biopsien.

Vorgeschichte der Darmpolyposis -Syndrome.

Dringende oder Notfälle.

Das Vorhandensein schwerer, dekompensierter Komorbiditäten oder mit einer Punktzahl von 3 oder höher nach Angaben der amerikanischen Gesellschaft der Anästhesisten (ASA).

Unvollständige Koloskopie, die das Cecum nicht erreicht.

Unzureichende oder unzureichende Darmvorbereitung, mit einer Punktzahl von weniger als 6 auf der Boston -Darmvorbereitungsskala.

Patienten, die sich nicht einverstanden sind, an der Studie teilzunehmen und nicht das ICF (Nachverständniserklärung) unterzeichnen.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Single

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Aktiver Komparator: Koloskopie mit Hilfe künstlicher Intelligenz

Stratum 1: Patienten im Alter von 18 bis 44 Jahren

Stratum 2: Patienten im Alter von 45 bis 75 Jahren

Stratum 3: Patienten im Alter von 76 Jahren oder älter

Diese klinische Studie mit einem zentralen, randomisierten offenen Label wird die Wirksamkeit der künstlichen Intelligenz (AI) -Anterkopie im Vergleich zu Standard-Hochdefinitionskoloskopie bei der Erkennung und Charakterisierung kolorektaler Läsionen bewerten. Die Studie wird über 12 Monate in São Paulo, Brasilien, durchgeführt und umfasst 100 erwachsene Patienten, die sich einer elektiven Koloskopie unterziehen.

Die Teilnehmer werden nach dem Alter geschichtet und nach der Sedierung randomisiert (1: 1). Alle Läsionen werden histologisch reseziert, aufgezeichnet und analysiert. Die Interventionsgruppe wird auch KI -Ausgabedaten (CAD -Auge) enthalten.

Die Hauptziele sind die Bewertung der Adenomerkennungsrate (ADR) und der diagnostischen AI -Genauigkeit. Angesichts der globalen Belastung durch Darmkrebs (CRC), insbesondere in Entwicklungsländern, zielt diese Studie darauf ab, reale Daten über die Auswirkungen von KI auf das CRC-Screening bereitzustellen.

Aktiver Komparator: Koloskopie ohne Hilfe künstlicher Intelligenz

Stratum 1: Patienten im Alter von 18 bis 44 Jahren

Stratum 2: Patienten im Alter von 45 bis 75 Jahren

Stratum 3: Patienten im Alter von 76 Jahren oder älter

Diese klinische Studie mit einem zentralen, randomisierten offenen Label wird die Wirksamkeit der künstlichen Intelligenz (AI) -Anterkopie im Vergleich zu Standard-Hochdefinitionskoloskopie bei der Erkennung und Charakterisierung kolorektaler Läsionen bewerten. Die Studie wird über 12 Monate in São Paulo, Brasilien, durchgeführt und umfasst 100 erwachsene Patienten, die sich einer elektiven Koloskopie unterziehen.

Die Teilnehmer werden nach dem Alter geschichtet und nach der Sedierung randomisiert (1: 1). Alle Läsionen werden histologisch reseziert, aufgezeichnet und analysiert. Die Interventionsgruppe wird auch KI -Ausgabedaten (CAD -Auge) enthalten.

Die Hauptziele sind die Bewertung der Adenomerkennungsrate (ADR) und der diagnostischen AI -Genauigkeit. Angesichts der globalen Belastung durch Darmkrebs (CRC), insbesondere in Entwicklungsländern, zielt diese Studie darauf ab, reale Daten über die Auswirkungen von KI auf das CRC-Screening bereitzustellen.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Anzahl der Patienten mit mindestens einem durch histopathologischen Analyse bestätigten Adenom während der Koloskopie in der AI -Gruppe vs. Kontrollgruppe
Zeitfenster: 7 Tage nach der Koloskopie (geschätzte Zeit für die Freisetzung histopathologischer Berichte).
Die Maßnahme wird als Anzahl und Prozentsatz (%) von Patienten mit mindestens einem Adenom ausgedrückt, das während der Koloskopie nachgewiesen und durch histopathologische Analyse bestätigt wird, wobei die AI- und Nicht-AI-Gruppen (CAD-Auge) verglichen werden. Die Erkennung basiert auf der Analyse von Biopsien, die gemäß dem Standardprotokoll durchgeführt und verarbeitet werden.
7 Tage nach der Koloskopie (geschätzte Zeit für die Freisetzung histopathologischer Berichte).

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Die diagnostische Genauigkeit des CAD-Auges für die Charakterisierung von Läsionen als neoplastisch (Adenom) oder nicht-neoplastischer (hyperplastischer) im Vergleich zur histopathologischen Analyse als Goldstandard.
Zeitfenster: 7 Tage nach der Koloskopie
Die Genauigkeit der künstlichen Intelligenz (CAD-Auge) bei der Charakterisierung von nachgewiesenen Läsionen als neoplastisch oder nicht neoplastisch wird berechnet, basierend auf dem Vergleich mit der histopathologischen Diagnose (Goldstandard). Das Folgende wird berichtet: Empfindlichkeit, Spezifität, positives Vorhersagewert (PPV) und negativer Vorhersagewert (NPV) in Prozent (%) für jede Art von Läsion.
7 Tage nach der Koloskopie

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Nützliche Links

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. Februar 2025

Primärer Abschluss (Geschätzt)

1. Dezember 2026

Studienabschluss (Geschätzt)

1. Dezember 2026

Studienanmeldedaten

Zuerst eingereicht

22. Mai 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

4. Juli 2025

Zuerst gepostet (Tatsächlich)

15. Juli 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

23. Juni 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

19. Juni 2026

Zuletzt verifiziert

1. Juli 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Wir planen nicht, einzelne Teilnehmerdaten (IPD) mit anderen Forschern aufgrund von Datenschutzbedenken und der Art der Studie auszutauschen

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .