Computergestützte In-vivo-Vorhersage der Polyp-Histologie in der Weißlicht-Koloskopie
Unsere Gruppe entwickelte vor der vorliegenden Studie ein handgefertigtes Vorhersagemodell basierend auf der Extraktion von Oberflächenmustern (Textons) mit einer diagnostischen Genauigkeit von über 90 %24. Diese Methode wurde in einem kleinen Datensatz validiert, der nur qualitativ hochwertige Bilder enthielt.
Von künstlicher Intelligenz wird erwartet, dass sie die Genauigkeit der optischen Diagnose von kolorektalen Polypen verbessert. Wir schlagen einen hybriden Ansatz vor, der ein Deep Learning (DL)-System mit Polypenmerkmalen kombiniert, die von Klinikern angegeben werden (HybridAI). Ein Pilotversuch in vivo wird durchgeführt.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Die optische Diagnose zielt darauf ab, die Histologie eines Polypen basierend auf seinen endoskopischen Merkmalen vorherzusagen. Diese Praxis könnte eine histopathologische Analyse vermeiden und die daraus resultierenden Kosten reduzieren. Unter dieser Prämisse hat die American Society of Gastrointestinal Endoscopy (ASGE) in ihrer Erklärung zur Erhaltung und Einbeziehung wertvoller endoskopischer Innovationen (PIVI) einen diagnostischen Schwellenwert für die endoskopische Echtzeit-Beurteilung winziger Polypen festgelegt. Der Grund für seine Implementierung ist, dass die Prävalenz der fortgeschrittenen Histologie bei Polypen < 5 mm sehr gering ist (0,5 %).
Mehrere Studien haben gezeigt, dass die optische Diagnose kleiner Polypen sicher und in der klinischen Praxis durchführbar und mit dem aktuellen Goldstandard, der Histopathologie, vergleichbar ist. Allerdings hat sich gezeigt, dass die Genauigkeit der optischen Diagnose in niedergelassenen Praxen oder in Laienhänden unzureichend ist und die Diagnose bei winzigen Polypen < 3 mm, bei denen die Diskrepanz zwischen endoskopischer und pathologischer Diagnose etwa 15 beträgt, noch schwieriger ist %.
Künstliche Intelligenz (KI) hat sich als Hilfsmittel für die Charakterisierung von Polypen herausgestellt.
Mit dem Ziel, die optische Diagnose mit KI-Methoden zu verbessern, schlagen wir einen hybriden Ansatz vor, der DL mit Merkmalen von Polypen kombiniert, die manuell von Endoskopikern angezeigt werden (HybridAI).
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Barcelona, Spanien, 08036
- Hospital Clinic de Barcelona
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Alle Patienten mit Polypen jeglicher Größe/Morphologie, die bei einer Routine- oder Screening-Koloskopie entdeckt, endoskopisch reseziert und für die histologische Analyse geborgen werden, werden eingeschlossen.
Die gewonnenen Bilder werden zur Erweiterung der Datenbank verwendet.
Beschreibung
Einschlusskriterien:
- Alter > 18 Jahre
- Zustimmung zur Teilnahme an der Studie. Unterschrift der Einverständniserklärung
- Patienten mit mindestens einem Polypen beliebiger Größe/Morphologie, der bei einer Routine- oder Screening-Koloskopie diagnostiziert wurde
- Endoskopien, die mit hochauflösenden Endoskopen durchgeführt werden
Ausschlusskriterien:
- Alter <18 Jahre
- Ablehnung der Teilnahme an der Studie
- Polypen teilweise reseziert in einer früheren Endoskopie
- Patienten mit entzündlichen Erkrankungen
- Unmöglichkeit, Reste von Stuhl oder Schleim auf der Oberfläche des Polypen zu waschen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Kohorte
- Zeitperspektiven: Interessent
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit des computergestützten Systems zur Vorhersage der Histologie von Polypen in der realen klinischen Praxis
Zeitfenster: Ein Jahr
|
Die Ergebnisse der computergestützten Systemvorhersage werden mit dem endgültigen Pathologiebericht verglichen, der der Goldstandard ist
|
Ein Jahr
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Byrne MF, Chapados N, Soudan F, Oertel C, Linares Perez M, Kelly R, Iqbal N, Chandelier F, Rex DK. Real-time differentiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonoscopy using a deep learning model. Gut. 2019 Jan;68(1):94-100. doi: 10.1136/gutjnl-2017-314547. Epub 2017 Oct 24.
- Sanchez-Montes C, Sanchez FJ, Bernal J, Cordova H, Lopez-Ceron M, Cuatrecasas M, Rodriguez de Miguel C, Garcia-Rodriguez A, Garces-Duran R, Pellise M, Llach J, Fernandez-Esparrach G. Computer-aided prediction of polyp histology on white light colonoscopy using surface pattern analysis. Endoscopy. 2019 Mar;51(3):261-265. doi: 10.1055/a-0732-5250. Epub 2018 Oct 25.
- Bernal J, Histace A, Masana M, Angermann Q, Sanchez-Montes C, Rodriguez de Miguel C, Hammami M, Garcia-Rodriguez A, Cordova H, Romain O, Fernandez-Esparrach G, Dray X, Sanchez FJ. GTCreator: a flexible annotation tool for image-based datasets. Int J Comput Assist Radiol Surg. 2019 Feb;14(2):191-201. doi: 10.1007/s11548-018-1864-x. Epub 2018 Sep 25.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- HISINVIA
- PI17/00894 (Andere Zuschuss-/Finanzierungsnummer: Instituto de Salud Carlos III)
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 .