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 vs. Endoskopiker-Identifikation in der normalen EUS-Anatomie

22. Februar 2024 aktualisiert von: Carlos Robles-Medranda, Instituto Ecuatoriano de Enfermedades Digestivas

Vergleichende Bewertung der künstlichen Intelligenz und der Genauigkeit von Endoskopikern im endoskopischen Ultraschall zur Identifizierung normaler anatomischer Strukturen: Eine multiinstitutionelle Querschnittsstudie

Der visuelle Eindruck des endoskopischen Ultraschalls (EUS) ist vom Bediener abhängig und kann die diagnostische Genauigkeit beeinträchtigen, insbesondere bei weniger erfahrenen Endoskopikern. Die Implementierung künstlicher Intelligenz kann potenziell die Bedienerabhängigkeit und Interpretationsvariabilität verringern und so die Gesamtgenauigkeit verbessern oder verbessern.

Ziel der Forscher ist es daher, die diagnostische Genauigkeit zwischen einem auf künstlicher Intelligenz (KI) basierenden Modell und den Endoskopikern bei der Identifizierung normaler anatomischer Strukturen bei EUS-Verfahren zu vergleichen.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

EUS ist ein bedienerabhängiges Verfahren, bei dem die Genauigkeit von Erfahrung und Fähigkeiten abhängt. Heutzutage kann die EUS-Ausbildung durch eine formelle Fellowship-Ausbildung in einem Zentrum für 6–24 Monate oder eine informelle Ausbildung durch didaktische Sitzungen mit kurzer praktischer Erfahrung erreicht werden. Parameter für eine korrekte und vollständige Lernerfahrungsmessung müssen jedoch noch definiert werden. Die Implementierung künstlicher Intelligenz im EUS kann möglicherweise die bedienerabhängige Variable abschwächen und die Diagnosegenauigkeit verbessern.

Daher erfolgt die Erkennung normaler anatomischer Strukturen auf separater Basis mithilfe eines KI-basierten Modells, wobei erfahrene und nicht fachkundige Endoskopiker bestimmen können, wo die KI am hilfreichsten wäre.

Ziel der Forscher ist es, die diagnostische Genauigkeit des KI-basierten Modells mit der Identifizierung normaler anatomischer Strukturen durch Endoskopiker bei EUS-Verfahren zu vergleichen.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

30

Kontakte und Standorte

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

Studienorte

  • Ecuador
    • Guayas
      • Guayaquil, Guayas, Ecuador, 090505
        • IECED

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

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Fachkundige und nicht fachkundige gastrointestinale EUS-Endoskopiker.

Beschreibung

Einschlusskriterien:

  • Erfahrene gastrointestinale EUS-Endoskopiker.
  • Schulung für nicht fachkundige Magen-Darm-Endoskopiker für EUS.
  • Patienten mit chronischer Dyspepsie ohne sonstige Befunde.
  • Patienten mit früheren CT-Bildern oder einer Endoskopie des oberen Verdauungstrakts berichten über keine weiteren Befunde.
  • Patienten, die aufgrund einer familiären Vorgeschichte von Bauchspeicheldrüsenkrebs ohne MRT-Befund einen EUS zur Überwachung benötigen.

Ausschlusskriterien:

  • Internetverbindung weniger als 100 MB pro Sekunde.
  • Patienten mit abnormalen Strukturen oder sichtbaren Läsionen.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
KI-basiertes Modell
AIWorks-EUS Convolutional Neural Network Version 2 (CNNv2) (mdconsgroup, Guayaquil, Ecuador) wurde auf vorab aufgezeichnete Videos zur Erkennung normaler anatomischer Strukturen angewendet.
Diagnosetest: Erkennung von Strukturen
Vorab aufgezeichnete Videos, die entsprechend den verschiedenen Fenstern (Mediastinal, Magen, Zwölffingerdarm) zugeschnitten sind, werden vom AIWorks-EUS-Modell und Endoskopikern zu unterschiedlichen Zeiten analysiert, um die verschiedenen normalen anatomischen Strukturen zu erkennen.
Erfahrene Endoskopiker
Endoskopiker mit >190 EUS-Eingriffen pro Jahr, darunter jeweils 75 Pankreatobiliär- und Schleimhautkrebs-Stadieneinstufungseingriffe, 40 subepitheliale Fälle; und 50 Fälle von EUS-Feinnadelaspiration (FNA) (25 davon Pankreasfälle); Befolgen Sie die Empfehlungen der American Society for Gastrointestinal Endoscopy (ASGE).
Diagnosetest: Erkennung von Strukturen
Vorab aufgezeichnete Videos, die entsprechend den verschiedenen Fenstern (Mediastinal, Magen, Zwölffingerdarm) zugeschnitten sind, werden vom AIWorks-EUS-Modell und Endoskopikern zu unterschiedlichen Zeiten analysiert, um die verschiedenen normalen anatomischen Strukturen zu erkennen.
Nicht-fachkundige Endoskopiker
Endoskopiker mit <190 EUS-Eingriffen pro Jahr, darunter jeweils 75 Pankreatobiliär- und Schleimhautkrebs-Staging-Eingriffe, 40 subepitheliale Fälle; und 50 Fälle von EUS-FNA (25 davon Pankreasfälle); Befolgen Sie die Empfehlungen der American Society for Gastrointestinal Endoscopy (ASGE).
Diagnosetest: Erkennung von Strukturen
Vorab aufgezeichnete Videos, die entsprechend den verschiedenen Fenstern (Mediastinal, Magen, Zwölffingerdarm) zugeschnitten sind, werden vom AIWorks-EUS-Modell und Endoskopikern zu unterschiedlichen Zeiten analysiert, um die verschiedenen normalen anatomischen Strukturen zu erkennen.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Diagnosegenauigkeit
Zeitfenster: 5 Monate
Das wahre Positiv, das wahre Negativ, das falsche Positiv und das falsche Negativ basieren auf der Erkennung anatomischer Strukturen gemäß einem externen Endoskopiker als Goldstandard.
5 Monate

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Interobserver-Vereinbarung
Zeitfenster: 5 Monate
Vergleich der diagnostischen Genauigkeiten zwischen einem auf künstlicher Intelligenz (KI) basierenden Modell und beiden Gruppen (Experten- und Nicht-Experten-Endoskopiker) unter Verwendung von Fleiss Kappa.
5 Monate

Mitarbeiter und Ermittler

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

Sponsor

Instituto Ecuatoriano de Enfermedades Digestivas

Mitarbeiter

Beth Israel Deaconess Medical Center
Universitair Ziekenhuis Brussel
The Methodist Hospital Research Institute
Larkin Community Hospital
mdconsgroup, Guayaquil, Ecuador
Hospital Clinico Universitario de Santiago
Carol Davila University of Medicine and Pharmacy
Baylor Saint Luke's Medical Center
Barra Life Medical Center, Brazil
Hospital Civil de Morelia, Michoacan
ELIAS Emergency University Hospital

Ermittler

  • Hauptermittler: Carlos Robles-Medranda, MD FASGE, Instituto Ecuatoriano de Enfermedades Digestivas (IECED)

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.

Allgemeine Veröffentlichungen

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 (Tatsächlich)

1. Oktober 2023

Studienabschluss (Tatsächlich)

26. Januar 2024

Studienanmeldedaten

Zuerst eingereicht

16. Februar 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

22. Februar 2024

Zuerst gepostet (Geschätzt)

28. Februar 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Geschätzt)

28. Februar 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

22. Februar 2024

Zuletzt verifiziert

1. Februar 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • IECED-12345

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 .

Klinische Studien zur Magen-Darm-Erkrankungen

Klinische Studien zur Erkennung von Strukturen

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Trinidad & Tobago

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren