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

Augmentierter endobronchialer Ultraschall (EBUS-TBNA) mit künstlicher Intelligenz

29. September 2026 aktualisiert von: Norwegian University of Science and Technology

Automatische Segmentierung von mediastinalen Lymphknoten und Blutgefäßen in endobronchialen Ultraschallbildern (EBUS) unter Verwendung eines tiefen neuronalen Netzwerks

To evaluate the usefulness of Deep neural network (DNN) in the evaluation of mediastinal and hilar lymph nodes with Endobronchial ultrasound (EBUS). The study will explore the feasibility of DNN to identify lymph nodes and blood vessel examined with EBUS.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Multi-center prospective feasibility study. The DNN model will be trained on ultrasound images with annotation to identifies lymph nodes and blood vessels examined with EBUS. The ability of the DNN to segment lymph nodes and vessels based on postoperative processing and static EBUS images will be evaluated in the first part of the study. In the second part of the study Real-time use of DNN in EBUS procedure will be evaluated.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

50

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

Studienorte

  • Norwegen
      • Levanger, Norwegen, 7600
        • Rekrutierung
        • Department of Pulmonology, Levanger Hospital, North Trøndelag Hospital Trust
        • Kontakt:
      • Trondheim, Norwegen, 7030
        • Rekrutierung
        • Department of Thoracic Medicine, St Olavs Hospital
        • Kontakt:

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

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patents with undiagnosed enlarged mediastinal and hilar lymph nodes who have been recommended for Endobronchial ultrasound transbronchial needle aspiration (EBUS-TBNA).

Beschreibung

Inclusion Criteria:

  • Subjects referred to thoracic department in any of the participating hospitals with undiagnosed enlarged mediastinal and hilar lymph nodes.
  • Subjects have to be ≥ 18 years of age

Exclusion Criteria:

  • Pregnancy
  • Any patient that the Investigator feels is not appropriate for this study for any reason.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: CASE_ONLY
  • Zeitperspektiven: PROSPECTIVE

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Capability
Zeitfenster: 8 months

To explore if Deep neural network (DNN) has capability to segment lymph nodes and blood vessels from EBUS images
8 months

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Precision
Zeitfenster: 2 months

The precision the DNN has for detecting lymph nodes and blood vessels. Measured both per voxel in the EBUS images and per annotated structure (a structure is counted as detected if at least 50% of its annotated pixels are identified by the DNN).
2 months
Sensitivity
Zeitfenster: 2 months

True positive rate. Correctly detected lymph nodes/blood vessel over total lymph nodes/blood vessel. Measured per pixel in the EBUS images
2 months
Specificity
Zeitfenster: 2 months

Specificity = (True Negative)/(True Negative + False Positive). Measured per pixel in the EBUS images.
2 months
Dice similarity coefficient
Zeitfenster: 2 months

Measures the similarity between two sets of data: Annotated by pulmonologist vs DNN.
2 months
Run-time
Zeitfenster: 2 months

Is the run-time sufficiently low for real-time analysis during EBUS?
2 months
Adverse events
Zeitfenster: 48 hours

Procedure related adverse events or unexpected incidents registered
48 hours

Mitarbeiter und Ermittler

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

Sponsor

Norwegian University of Science and Technology

Mitarbeiter

Helse Nord-Trøndelag HF
SINTEF Health Research

Ermittler

  • Studienleiter: Øivind Rognmo, Dr.philos, Norwegian University of Science and Technology

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. Mai 2023

Primärer Abschluss (Geschätzt)

1. Mai 2027

Studienabschluss (Geschätzt)

1. Dezember 2027

Studienanmeldedaten

Zuerst eingereicht

13. Februar 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

13. Februar 2023

Zuerst gepostet (Tatsächlich)

22. Februar 2023

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

30. September 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

29. September 2026

Zuletzt verifiziert

1. September 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 240245

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 .

Abonnieren