- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05034185
Validación en el mundo real de un sistema de soporte de caracterización de inteligencia artificial (CADx)
Validación en el mundo real de un sistema de soporte de caracterización de inteligencia artificial (CADx) para la predicción de la histología de pólipos en colonoscopia: un estudio multicéntrico prospectivo
El cáncer colorrectal (CCR) es una de las principales causas de morbilidad y mortalidad relacionadas con el cáncer en todo el mundo, y se prevé que las tasas de CCR aumenten. La colonoscopia es actualmente el estándar de oro para la detección del CCR. La inteligencia artificial (IA) se ve como una solución para cerrar esta brecha en la detección de adenomas, que es un indicador de calidad en la colonoscopia. Los sistemas de IA utilizan redes neuronales profundas para permitir la detección asistida por computadora (CADe) y la clasificación asistida por computadora (CADx). CADe se ocupa de la detección de pólipos durante la colonoscopia, que a su vez se postula para ayudar a disminuir la tasa de errores de adenoma.
Por el contrario, CADx se ocupa de la interpretación de la apariencia de los pólipos durante la colonoscopia para determinar la histología predicha. La predicción de la histología del pólipo es crucial para ayudar a los médicos a decidir sobre una estrategia de "resecar y descartar" o "diagnosticar y abandonar". También es útil para el médico conocer la histología predicha de un pólipo colorrectal para determinar el método de resección apropiado en términos de seguridad y eficacia. Si bien CADe se ha estudiado ampliamente en ensayos controlados aleatorios, faltan datos prospectivos que validen el uso de CADx en un entorno clínico para predecir la histología de pólipos.
Los investigadores planean realizar un ensayo clínico prospectivo multicéntrico para validar la precisión del soporte CADx para la predicción de la histología de pólipos en la colonoscopia en tiempo real.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
La colonoscopia es actualmente el estándar de oro para la detección del CCR. Se estima que un aumento del 1 % en la tasa de detección de adenomas (ADR) está asociado con una disminución del 3 % en el riesgo de CCR de intervalo. Los sistemas de IA se pueden dividir ampliamente en CADe (para detección) y CADx (para diagnóstico o predicción de pólipos histológicos en el contexto de la colonoscopia). CADe se ha estudiado ampliamente, con varios ensayos controlados aleatorios y metanálisis que muestran una ADR más alta cuando se usa CADe en comparación con los grupos de control sin CADe.
Además de la ADR, la histología de pólipos predicha es un componente clave en la realización de la colonoscopia, ya que permite al médico tomar una decisión con respecto a su manejo, como se describió anteriormente. En este sentido, la endoscopia con imágenes mejoradas (IEE) se usa a menudo para ayudar a los médicos a determinar si los pólipos colorrectales encontrados en la colonoscopia son neoplásicos o hiperplásicos. La clasificación sin aumento utilizada con mayor frecuencia es el NBI International Colorrectal Endoscopic (NICE), mientras que la clasificación Japan NBI Expert Team (JNET) se utiliza cuando se dispone de sistemas de endoscopia con aumento óptico y la capacitación adecuada. Sin embargo, estos sistemas de clasificación tienen una precisión diagnóstica y una concordancia interobservador variables. Estudios prospectivos previos que analizaron CADx utilizaron endocitoscopia e imágenes de autofluorescencia (CAD-AFI) con resultados positivos. Sin embargo, la principal limitación de estos estudios CADx es que estos sistemas de imágenes son costosos y no están fácilmente disponibles en la mayoría de los centros de todo el mundo. Además, la mayoría de los médicos que realizan colonoscopias no han sido capacitados en estas modalidades de imágenes y tendrán que confiar completamente en la función CADx para detectar pólipos si se utilizan estas modalidades de imágenes, sin poder recurrir a su experiencia y capacitación en caso de dudas. sobre la precisión de un diagnóstico CADx en un entorno real.
El sistema Fujifilm 7000 (Fujifilm Corp., Tokio) ha estado en uso clínico de rutina en todas las instituciones terciarias de Singapur. El sistema CAD EYE fue desarrollado por Fujifilm Corp para ayudar a los médicos en la colonoscopia con funciones CADe y CADx. Las funciones básicas y el manejo del colonoscopio, así como la unidad de procesamiento de endoscopia, son similares a las que están actualmente disponibles en la práctica clínica, con el software CAD EYE agregado. El controlador se ha configurado para permitir que el operador active y desactive la función CAD según la necesidad. El médico puede activar y desactivar estas funciones mediante un botón en el controlador. Las funciones CADe y CADx funcionan cuando se utilizan imágenes de luz blanca y láser azul (BLI), respectivamente. Esto brinda una oportunidad única para validar externamente el uso de la herramienta de soporte CADx mediante la evaluación de su precisión diagnóstica con la histología final de pólipos como estándar de oro, al mismo tiempo que se compara su desempeño en un entorno clínico con el de un médico que usa IEE (que es el método convencional de predicción de la histología de pólipos en la colonoscopia).
Los investigadores planean realizar un ensayo clínico prospectivo multicéntrico para validar la precisión del soporte CADx para la predicción de la histología de pólipos en la colonoscopia en tiempo real.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Singapore, Singapur, 529889
- Changi General Hospital, National University Hospital, Singapore General Hospital and Tan Tock Seng Hospital
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
Todos los pacientes de 40 años o más y que tengan indicaciones para una colonoscopia serán elegibles para el estudio. Los pacientes que hayan sido identificados como elegibles para el estudio serán asesorados sobre los detalles, riesgos y beneficios antes de la realización de la colonoscopia. Este asesoramiento puede tener lugar en el entorno de pacientes ambulatorios o de pacientes hospitalizados.
Los pacientes con uno o más pólipos detectados durante la colonoscopia serán incluidos en el estudio. El resto de los criterios de inclusión y exclusión son los descritos.
Descripción
Criterios de inclusión:
- Pacientes que tienen indicación de colonoscopia y que tienen al menos un pólipo detectado durante la colonoscopia
- 40 años de edad y más
- Consentimiento obtenido para el estudio
Criterio de exclusión:
- Menos de 39 años
- Rechazo de la participación en el estudio
- Pacientes sin pólipos detectados durante la colonoscopia
- Pacientes con enfermedad inflamatoria intestinal
- Pacientes con cáncer colorrectal no resecado conocido
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Pacientes con uno o más pólipos detectados
Durante la colonoscopia, el médico inspecciona la presencia de pólipos según la práctica clínica habitual con la función CAD EYE desactivada. Cuando se encuentra un pólipo, el médico hará una predicción sobre la histología basada en la luz blanca y las características BLI del pólipo con y sin aumento óptico, según la práctica clínica habitual. A continuación, se activará la función CAD EYE y el médico tomará nota de la predicción CADx para el mismo pólipo, que será "neoplásico" o "hiperplásico". Además, se registrarán otras características del pólipo, como el tamaño y la ubicación, de forma similar a lo que se realiza en la práctica clínica habitual. El pólipo será resecado y enviado para examen patológico, que formará el "estándar de oro" para el diagnóstico de la histología del pólipo. |
La herramienta de soporte CADx funciona cuando el médico activa la función CAD EYE preconfigurada usando un botón en el controlador mientras el sistema de alcance está en modo BLI.
Esto se realiza después de que el médico primero haga una predicción óptica de la histología del pólipo usando IEE como se describe.
La herramienta de soporte CADx hará una predicción de la histología del pólipo como "hiperplásico" o "neoplásico".
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Evaluar el rendimiento diagnóstico de la herramienta de soporte CADx en comparación con la predicción óptica de histología de pólipos por parte del médico en colonoscopia en tiempo real en un entorno clínico
Periodo de tiempo: 1 año
|
Histología de pólipos utilizada como estándar de oro
|
1 año
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Determinar el rendimiento diagnóstico de CADx frente a la predicción óptica de la histología de pólipos por parte del endoscopista en el análisis de subgrupos
Periodo de tiempo: 1 año
|
Los subgrupos incluyen preparación intestinal, tamaño del pólipo y ubicación
|
1 año
|
Colaboradores e Investigadores
Patrocinador
Publicaciones y enlaces útiles
Publicaciones Generales
- Repici A, Badalamenti M, Maselli R, Correale L, Radaelli F, Rondonotti E, Ferrara E, Spadaccini M, Alkandari A, Fugazza A, Anderloni A, Galtieri PA, Pellegatta G, Carrara S, Di Leo M, Craviotto V, Lamonaca L, Lorenzetti R, Andrealli A, Antonelli G, Wallace M, Sharma P, Rosch T, Hassan C. Efficacy of Real-Time Computer-Aided Detection of Colorectal Neoplasia in a Randomized Trial. Gastroenterology. 2020 Aug;159(2):512-520.e7. doi: 10.1053/j.gastro.2020.04.062. Epub 2020 May 1.
- Hassan C, Spadaccini M, Iannone A, Maselli R, Jovani M, Chandrasekar VT, Antonelli G, Yu H, Areia M, Dinis-Ribeiro M, Bhandari P, Sharma P, Rex DK, Rosch T, Wallace M, Repici A. Performance of artificial intelligence in colonoscopy for adenoma and polyp detection: a systematic review and meta-analysis. Gastrointest Endosc. 2021 Jan;93(1):77-85.e6. doi: 10.1016/j.gie.2020.06.059. Epub 2020 Jun 26.
- Kaminski MF, Thomas-Gibson S, Bugajski M, Bretthauer M, Rees CJ, Dekker E, Hoff G, Jover R, Suchanek S, Ferlitsch M, Anderson J, Roesch T, Hultcranz R, Racz I, Kuipers EJ, Garborg K, East JE, Rupinski M, Seip B, Bennett C, Senore C, Minozzi S, Bisschops R, Domagk D, Valori R, Spada C, Hassan C, Dinis-Ribeiro M, Rutter MD. Performance measures for lower gastrointestinal endoscopy: a European Society of Gastrointestinal Endoscopy (ESGE) Quality Improvement Initiative. Endoscopy. 2017 Apr;49(4):378-397. doi: 10.1055/s-0043-103411. Epub 2017 Mar 7.
- Hewett DG, Kaltenbach T, Sano Y, Tanaka S, Saunders BP, Ponchon T, Soetikno R, Rex DK. Validation of a simple classification system for endoscopic diagnosis of small colorectal polyps using narrow-band imaging. Gastroenterology. 2012 Sep;143(3):599-607.e1. doi: 10.1053/j.gastro.2012.05.006. Epub 2012 May 15.
- 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.
- Corley DA, Jensen CD, Marks AR, Zhao WK, Lee JK, Doubeni CA, Zauber AG, de Boer J, Fireman BH, Schottinger JE, Quinn VP, Ghai NR, Levin TR, Quesenberry CP. Adenoma detection rate and risk of colorectal cancer and death. N Engl J Med. 2014 Apr 3;370(14):1298-306. doi: 10.1056/NEJMoa1309086.
- van Rijn JC, Reitsma JB, Stoker J, Bossuyt PM, van Deventer SJ, Dekker E. Polyp miss rate determined by tandem colonoscopy: a systematic review. Am J Gastroenterol. 2006 Feb;101(2):343-50. doi: 10.1111/j.1572-0241.2006.00390.x.
- Brenner H, Chang-Claude J, Jansen L, Knebel P, Stock C, Hoffmeister M. Reduced risk of colorectal cancer up to 10 years after screening, surveillance, or diagnostic colonoscopy. Gastroenterology. 2014 Mar;146(3):709-17. doi: 10.1053/j.gastro.2013.09.001. Epub 2013 Sep 5.
- Song EM, Park B, Ha CA, Hwang SW, Park SH, Yang DH, Ye BD, Myung SJ, Yang SK, Kim N, Byeon JS. Endoscopic diagnosis and treatment planning for colorectal polyps using a deep-learning model. Sci Rep. 2020 Jan 8;10(1):30. doi: 10.1038/s41598-019-56697-0.
- Rex DK, Schoenfeld PS, Cohen J, Pike IM, Adler DG, Fennerty MB, Lieb JG 2nd, Park WG, Rizk MK, Sawhney MS, Shaheen NJ, Wani S, Weinberg DS. Quality indicators for colonoscopy. Gastrointest Endosc. 2015 Jan;81(1):31-53. doi: 10.1016/j.gie.2014.07.058. Epub 2014 Dec 2. No abstract available.
- Rex DK, Boland CR, Dominitz JA, Giardiello FM, Johnson DA, Kaltenbach T, Levin TR, Lieberman D, Robertson DJ. Colorectal Cancer Screening: Recommendations for Physicians and Patients from the U.S. Multi-Society Task Force on Colorectal Cancer. Am J Gastroenterol. 2017 Jul;112(7):1016-1030. doi: 10.1038/ajg.2017.174. Epub 2017 Jun 6.
- Mori Y, Kudo SE, Misawa M, Saito Y, Ikematsu H, Hotta K, Ohtsuka K, Urushibara F, Kataoka S, Ogawa Y, Maeda Y, Takeda K, Nakamura H, Ichimasa K, Kudo T, Hayashi T, Wakamura K, Ishida F, Inoue H, Itoh H, Oda M, Mori K. Real-Time Use of Artificial Intelligence in Identification of Diminutive Polyps During Colonoscopy: A Prospective Study. Ann Intern Med. 2018 Sep 18;169(6):357-366. doi: 10.7326/M18-0249. Epub 2018 Aug 14.
- Wang P, Berzin TM, Glissen Brown JR, Bharadwaj S, Becq A, Xiao X, Liu P, Li L, Song Y, Zhang D, Li Y, Xu G, Tu M, Liu X. Real-time automatic detection system increases colonoscopic polyp and adenoma detection rates: a prospective randomised controlled study. Gut. 2019 Oct;68(10):1813-1819. doi: 10.1136/gutjnl-2018-317500. Epub 2019 Feb 27.
- Gong D, Wu L, Zhang J, Mu G, Shen L, Liu J, Wang Z, Zhou W, An P, Huang X, Jiang X, Li Y, Wan X, Hu S, Chen Y, Hu X, Xu Y, Zhu X, Li S, Yao L, He X, Chen D, Huang L, Wei X, Wang X, Yu H. Detection of colorectal adenomas with a real-time computer-aided system (ENDOANGEL): a randomised controlled study. Lancet Gastroenterol Hepatol. 2020 Apr;5(4):352-361. doi: 10.1016/S2468-1253(19)30413-3. Epub 2020 Jan 22. Erratum In: Lancet Gastroenterol Hepatol. 2020 Apr;5(4):e3.
- Vinsard DG, Mori Y, Misawa M, Kudo SE, Rastogi A, Bagci U, Rex DK, Wallace MB. Quality assurance of computer-aided detection and diagnosis in colonoscopy. Gastrointest Endosc. 2019 Jul;90(1):55-63. doi: 10.1016/j.gie.2019.03.019. Epub 2019 Mar 26.
- Bray F, Jemal A, Grey N, Ferlay J, Forman D. Global cancer transitions according to the Human Development Index (2008-2030): a population-based study. Lancet Oncol. 2012 Aug;13(8):790-801. doi: 10.1016/S1470-2045(12)70211-5. Epub 2012 Jun 1.
- Araghi M, Soerjomataram I, Jenkins M, Brierley J, Morris E, Bray F, Arnold M. Global trends in colorectal cancer mortality: projections to the year 2035. Int J Cancer. 2019 Jun 15;144(12):2992-3000. doi: 10.1002/ijc.32055. Epub 2019 Jan 8.
- Doubeni CA, Corley DA, Quinn VP, Jensen CD, Zauber AG, Goodman M, Johnson JR, Mehta SJ, Becerra TA, Zhao WK, Schottinger J, Doria-Rose VP, Levin TR, Weiss NS, Fletcher RH. Effectiveness of screening colonoscopy in reducing the risk of death from right and left colon cancer: a large community-based study. Gut. 2018 Feb;67(2):291-298. doi: 10.1136/gutjnl-2016-312712. Epub 2016 Oct 12.
- Wang P, Liu X, Berzin TM, Glissen Brown JR, Liu P, Zhou C, Lei L, Li L, Guo Z, Lei S, Xiong F, Wang H, Song Y, Pan Y, Zhou G. Effect of a deep-learning computer-aided detection system on adenoma detection during colonoscopy (CADe-DB trial): a double-blind randomised study. Lancet Gastroenterol Hepatol. 2020 Apr;5(4):343-351. doi: 10.1016/S2468-1253(19)30411-X. Epub 2020 Jan 22. Erratum In: Lancet Gastroenterol Hepatol. 2020 Apr;5(4):e3.
- Su JR, Li Z, Shao XJ, Ji CR, Ji R, Zhou RC, Li GC, Liu GQ, He YS, Zuo XL, Li YQ. Impact of a real-time automatic quality control system on colorectal polyp and adenoma detection: a prospective randomized controlled study (with videos). Gastrointest Endosc. 2020 Feb;91(2):415-424.e4. doi: 10.1016/j.gie.2019.08.026. Epub 2019 Aug 24.
- Repici A, Ciscato C, Correale L, Bisschops R, Bhandari P, Dekker E, Pech O, Radaelli F, Hassan C. Narrow-band Imaging International Colorectal Endoscopic Classification to predict polyp histology: REDEFINE study (with videos). Gastrointest Endosc. 2016 Sep;84(3):479-486.e3. doi: 10.1016/j.gie.2016.02.020. Epub 2016 Feb 27.
- Komeda Y, Kashida H, Sakurai T, Asakuma Y, Tribonias G, Nagai T, Kono M, Minaga K, Takenaka M, Arizumi T, Hagiwara S, Matsui S, Watanabe T, Nishida N, Chikugo T, Chiba Y, Kudo M. Magnifying Narrow Band Imaging (NBI) for the Diagnosis of Localized Colorectal Lesions Using the Japan NBI Expert Team (JNET) Classification. Oncology. 2017;93 Suppl 1:49-54. doi: 10.1159/000481230. Epub 2017 Dec 20.
- Kandel P, Wallace MB. Should We Resect and Discard Low Risk Diminutive Colon Polyps. Clin Endosc. 2019 May;52(3):239-246. doi: 10.5946/ce.2018.136. Epub 2019 Jan 21.
- Neumann H, Neumann Sen H, Vieth M, Bisschops R, Thieringer F, Rahman KF, Gamstatter T, Tontini GE, Galle PR. Leaving colorectal polyps in place can be achieved with high accuracy using blue light imaging (BLI). United European Gastroenterol J. 2018 Aug;6(7):1099-1105. doi: 10.1177/2050640618769731. Epub 2018 May 17.
- von Renteln D, Kaltenbach T, Rastogi A, Anderson JC, Rosch T, Soetikno R, Pohl H. Simplifying Resect and Discard Strategies for Real-Time Assessment of Diminutive Colorectal Polyps. Clin Gastroenterol Hepatol. 2018 May;16(5):706-714. doi: 10.1016/j.cgh.2017.11.036. Epub 2017 Nov 23.
- Ang TL, Li JW, Wong YJ, Tan YJ, Fock KM, Tan MTK, Kwek ABE, Teo EK, Ang DS, Wang LM. A prospective randomized study of colonoscopy using blue laser imaging and white light imaging in detection and differentiation of colonic polyps. Endosc Int Open. 2019 Oct;7(10):E1207-E1213. doi: 10.1055/a-0982-3111. Epub 2019 Oct 1.
- Horiuchi H, Tamai N, Kamba S, Inomata H, Ohya TR, Sumiyama K. Real-time computer-aided diagnosis of diminutive rectosigmoid polyps using an auto-fluorescence imaging system and novel color intensity analysis software. Scand J Gastroenterol. 2019 Jun;54(6):800-805. doi: 10.1080/00365521.2019.1627407. Epub 2019 Jun 14.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Estimar)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
- Enfermedades del Sistema Digestivo
- Neoplasias
- Neoplasias por sitio
- Neoplasias Gastrointestinales
- Neoplasias del Sistema Digestivo
- Enfermedades Gastrointestinales
- Enfermedades del Colon
- Enfermedades intestinales
- Condiciones Patológicas, Anatómicas
- Neoplasias Intestinales
- Neoplasias colorrectales
- Pólipos intestinales
- Pólipos
- Pólipos colónicos
- Neoplasias colónicas
Otros números de identificación del estudio
- CIRB Ref: 2021/2001
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .