Künstliche Intelligenz zur Erkennung und Überwachung von kolorektalen Polypen in Echtzeit
23. November 2022 aktualisiert von: Centre hospitalier de l'Université de Montréal (CHUM)
Die Forscher gehen davon aus, dass die klinische Implementierung eines Deep-Learning-KI-Systems ein optimales Werkzeug zur Überwachung, Prüfung und Verbesserung der Erkennung und Klassifizierung von Polypen und anderen anatomischen Orientierungspunkten während der Koloskopie ist.
Die Ziele dieser Studie sind die Generierung vorläufiger Daten zur Bewertung der Wirksamkeit der KI-gestützten Koloskopie in Bezug auf: a) die Erkennungsrate von Adenomen; b) die automatische Erkennung der anatomischen Orientierungspunkte (d. h. Ileozökalklappe und Blinddarmöffnung).
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
In dieser Studie zielen die Ermittler darauf ab, Folgendes zu bewerten:
- die Genauigkeit der automatischen Erkennung wichtiger anatomischer Landmarken (d. h. Ileozökalklappe, Blinddarmöffnung);
- die Genauigkeit der automatischen Erkennung von Polypen/Adenomen (PDR/ADR);
Studientyp
Interventionell
Einschreibung (Tatsächlich)
372
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Strasbourg, Frankreich, 67000
- IHU Strasbourg
-
-
-
-
Quebec
-
Montréal, Quebec, Kanada
- Centre hospitalier universitaire de Montréal
-
Montréal, Quebec, Kanada, QC H3T 1J4
- Université de Montréal
-
-
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
45 Jahre bis 80 Jahre (ERWACHSENE, OLDER_ADULT)
Akzeptiert gesunde Freiwillige
Nein
Studienberechtigte Geschlechter
Alle
Beschreibung
Einschlusskriterien :
- Unterschriebene Einverständniserklärung
- Alter 45-80 Jahre
- Indikation zur Durchführung einer unteren GI-Endoskopie.
Ausschlusskriterien :
- Koagulopathie
- Schlechter allgemeiner Gesundheitszustand, definiert als körperliche Zustandsklasse der American Society of Anesthesiologists (ASA) >3
- Notfall-Koloskopien
- Hospitalisierte Patienten
- Bekannte entzündliche Darmerkrankung (CED)
- Patienten derzeit in der Notaufnahme
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: DIAGNOSE
- Zuteilung: N / A
- Interventionsmodell: SINGLE_GROUP
- Maskierung: KEINER
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
EXPERIMENTAL: Künstliche Intelligenz zur Erkennung und Überwachung von kolorektalen Polypen in Echtzeit
Eine Standard-Koloskopie wird nach dem Standard der Routineversorgung durchgeführt.
Alle optisch diagnostizierten Polypen werden entfernt und zur histopathologischen Untersuchung gemäß institutionellen Standards an das CHUM-Pathologielabor geschickt.
Das KI-System wird Videos des Eingriffs in Echtzeit aufnehmen und zusätzliche Informationen über die Erkennung von Polypen, die Nachsorge und die Vorhersage der Pathologie liefern.
Die Koloskopievideos in voller Länge werden für den genauen Zeitpunkt der Identifizierung der anatomischen Landmarken, Polypen, sowie für polypen- und verfahrensbedingte Merkmale annotiert.
|
Das KI-System erfasst das Live-Video des Eingriffs und das KI-Feedback (Polypenerkennung, -verfolgung und Pathologievorhersage) wird auf einem zweiten Bildschirm angezeigt, der neben dem regulären Endoskopiebildschirm installiert ist.
Bildschirm A zeigt das reguläre Endoskopiebild und Bildschirm B zeigt das reguläre Endoskopiebild zusammen mit den Bereichen, die einen Polypen beherbergen könnten, oder den Informationen zur Vorhersage der Pathologie
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anzahl der erkannten Polypen
Zeitfenster: Tag 1
|
Wirksamkeit der KI-gestützten Koloskopie zur Erkennung des Anteils von Patienten mit mindestens 1 Polyp.
Polypenerkennungsrate mit einer KI.
|
Tag 1
|
|
Auswertung des automatischen Berichts der Koloskopie-Qualitätsindikatoren
Zeitfenster: Tag 1
|
Vergleich der automatischen Erkennung der Ileozökalklappe, Appendizealöffnung und der automatischen Berechnung der Rückzugszeit mit der manuellen Erkennung
|
Tag 1
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
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)
18. Dezember 2020
Primärer Abschluss (TATSÄCHLICH)
31. März 2022
Studienabschluss (TATSÄCHLICH)
11. Mai 2022
Studienanmeldedaten
Zuerst eingereicht
1. Oktober 2020
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
7. Oktober 2020
Zuerst gepostet (TATSÄCHLICH)
14. Oktober 2020
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
25. November 2022
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
23. November 2022
Zuletzt verifiziert
1. November 2022
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 20.198
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
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 .