Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Desarrollo de inteligencia artificial para el diagnóstico de pólipos colorrectales

5 de junio de 2024 actualizado por: King's College Hospital NHS Trust

Desarrollo de una novedosa herramienta de diagnóstico de colonoscopia asistida por computadora en tiempo real para pólipos colorrectales: diagnóstico de lesiones y tratamiento personalizado del paciente

La clasificación precisa de los crecimientos en el intestino grueso (pólipos) identificados durante la colonoscopia es imperativa para informar el riesgo de cáncer colorrectal. La identificación confiable del riesgo de cáncer de pólipos individuales ayuda a determinar la mejor opción de tratamiento para el pólipo detectado y determinar los requisitos de intervalo apropiados para futuras colonoscopias para verificar el sitio de extirpación y para detectar más pólipos en otras partes del intestino.

Las técnicas de imágenes endoscópicas avanzadas actuales requieren habilidades y experiencia especializadas con una larga curva de aprendizaje asociada y un mayor tiempo de procedimiento. Es por estas razones que, a pesar de haberse introducido en la práctica clínica, la adopción de dichas técnicas es limitada y los métodos actuales de estratificación del riesgo de pólipos durante la colonoscopia sin inteligencia artificial (IA) son subóptimos. Aproximadamente el 25% de los pólipos intestinales que se extirpan mediante cirugía mayor son analizados y luego se demuestra que son pólipos no cancerosos que podrían haberse extirpado mediante endoscopia evitando así la cirugía de alteración anatómica y los riesgos asociados. Con un diagnóstico preciso de pólipos y una estratificación del riesgo en tiempo real con IA, dichos pólipos podrían haberse extirpado de forma no quirúrgica (por vía endoscópica). Las plataformas actuales de diagnóstico asistido por computadora (CADx, una forma de IA) solo diferencian entre pólipos cancerosos y no cancerosos, lo cual tiene un valor limitado para proporcionar un riesgo personalizado de cáncer colorrectal para el paciente. El desarrollo de un algoritmo multiclase es de mayor complejidad que una clasificación binaria y requiere conjuntos de datos de capacitación y validación más grandes. Un algoritmo CADx robusto también debería incluir datos globales entrenables para minimizar la introducción de sesgos. Es por estas razones que este es un estudio multicéntrico internacional planificado.

Los investigadores tienen como objetivo desarrollar una novedosa herramienta de predicción de riesgo de patología de cinco clases de IA que proporcione información confiable para identificar el riesgo de cáncer independientemente de la habilidad del endoscopista.

Se eligen estas 5 categorías porque las opciones de tratamiento difieren según el tipo de pólipo y las pautas de colonoscopia para controles futuros requieren estas categorías.

Descripción general del estudio

Estado

Reclutamiento

Intervención / Tratamiento

Descripción detallada

El uso de inteligencia artificial en la detección asistida por computadora (CADe) para detectar pólipos (crecimientos precancerosos) durante la colonoscopia está ganando cada vez más interés y aceptación con múltiples dispositivos que ya se encuentran en el mercado principal. El investigador ya sabe por trabajos en otros países que la detección de más pólipos da como resultado un riesgo reducido de cáncer de intestino para el paciente que se somete al procedimiento, en los años posteriores a la colonoscopia (es decir, se detectaron y eliminaron crecimientos precancerosos). Esto ha formado la base de los programas nacionales de detección del cáncer de intestino. Con una mayor detección de pólipos colorrectales, existe una creciente necesidad de identificar correctamente la naturaleza del pólipo para informar el riesgo de cáncer colorrectal con el pólipo detectado y también el posible riesgo futuro para el paciente. También se requiere un diagnóstico preciso de los pólipos para determinar el modo o la extirpación correctos: si esto requiere extirpación (lo que lleva a la conservación de costos y recursos en el desafiante clima actual), si la extirpación endoscópica es posible y, de ser así, mediante qué procedimiento, si se requiere cirugía. se requiere.

Los datos publicados demuestran que aproximadamente una cuarta parte de los pólipos colorrectales extirpados quirúrgicamente en pacientes sometidos a cirugía mayor eran benignos y, por lo tanto, la cirugía mayor podría haberse evitado con estos pólipos extirpados endoscópicamente, reduciendo el riesgo de complicaciones y preservación del órgano para el paciente.

Las técnicas actuales de diagnóstico de pólipos implican el uso y la interpretación de tintes especializados y endoscopios de aumento que conllevan la adquisición de experiencia con una curva de aprendizaje asociada y un mayor tiempo del procedimiento. Es por estas razones que, a pesar de haberse introducido en la práctica clínica, la adopción de dichas técnicas es limitada y los métodos actuales de estratificación del riesgo de pólipos durante la colonoscopia sin IA son subóptimos.

Los algoritmos actuales de IA (CADx) para el diagnóstico de pólipos se limitan a clasificaciones más pequeñas. Las plataformas CADx actuales diferencian entre pólipos cancerosos y no cancerosos, lo que tiene un valor limitado para proporcionar un riesgo personalizado de cáncer colorrectal para el paciente. El desarrollo de un algoritmo multiclase es de mayor complejidad que una clasificación binaria y requiere conjuntos de datos de capacitación y validación más grandes. Un algoritmo CADx robusto también debería incluir datos globales entrenables para minimizar la introducción de sesgos. Es por estas razones que este es un estudio multicéntrico internacional planificado.

Recopilación prospectiva de datos:

Este estudio se llevará a cabo junto con la atención habitual al paciente, pero requerirá que el personal de investigación ingrese datos en un formulario de informe seguro basado en la web (base de datos REDCAP). Esto significa que los participantes se someterán exactamente al mismo procedimiento, sin diferencias y sin visitas ni datos adicionales, que de otro modo habrían ocurrido. Los participantes serán aquellos pacientes a los que se les haya programado una colonoscopia por los motivos estándar. Los pacientes serán invitados de la forma habitual a la colonoscopia.

Siempre que sea posible, se les puede enviar el PIS junto con la carta de cita (hasta con 6 semanas de antelación). Al llegar a la unidad de endoscopia, un miembro del equipo de investigación se acercará a ellos y les entregará una copia del PIS para que la lean, hasta una hora antes del procedimiento. Se les proporcionará información y explicaciones presenciales, previo consentimiento por escrito para permitir que sus datos sean recogidos en la base de datos. Como el estudio no requiere ningún cambio ni procedimientos adicionales, el investigador considera que un enfoque inicial al llegar a la unidad de endoscopia proporcionará tiempo suficiente y apropiado para dar su consentimiento, incluso si el PIS no se ha leído con anticipación (aunque se enviará si es posible). La única consideración adicional será el consentimiento para la grabación del vídeo (no se transferirán datos identificables del paciente como parte de este aspecto).

Una vez completada la colonoscopia, no habrá visitas adicionales.

Tipo de estudio

De observación

Inscripción (Estimado)

4000

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

  • Nombre: Shraddha B Gulati, MBBS PHD MRCP
  • Número de teléfono: +442032996044
  • Correo electrónico: shraddha.gulati@nhs.net

Copia de seguridad de contactos de estudio

Ubicaciones de estudio

      • London, Reino Unido, SE5 9RS
        • Reclutamiento
        • King's College Hospital NHS Foundation Trust
        • Contacto:
          • Shraddha B Gulati, MBBS PHD MRCP
          • Número de teléfono: +442032996044
          • Correo electrónico: shraddha.gulati@nhs.net
        • Contacto:

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

N/A

Método de muestreo

Muestra no probabilística

Población de estudio

Todos los adultos (mayores de 18 años) que se presenten para detección o colonoscopia sintomática.

Descripción

Criterios de inclusión:

- Mayores de 18 años en el momento de la inclusión Colonoscopia sintomática o de detección.

Criterio de exclusión:

  • No se puede dar consentimiento informado.
  • Displasia asociada a colitis
  • Pólipos en sitios de anastomosis quirúrgica
  • El embarazo

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Lograr una precisión general del 85% para el algoritmo de predicción de lesiones de cinco clasificaciones.
Periodo de tiempo: 24 meses
Sensibilidad y especificidad
24 meses
Valor previsto positivo y negativo
Periodo de tiempo: 24 meses
Evaluar la precisión del dispositivo entrenado
24 meses

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Concordancia interobservador de la predicción de los endoscopistas sobre la histología de los pólipos durante el proceso de anotación.
Periodo de tiempo: 36 meses
Analizaremos el cálculo de la concordancia histológica entre el endoscopista avanzado.
36 meses
El subanálisis de las características de los pólipos se centró en diferentes géneros y etnias.
Periodo de tiempo: 36 meses
Evaluar si es posible predecir el sexo, el origen étnico y la edad del paciente con el uso del modelo CADx desarrollado.
36 meses
Este será un subanálisis de un algoritmo de IA entrenado para predecir la histología de pólipos utilizando la cohorte de datos prospectiva.
Periodo de tiempo: 36 meses
Un panel multidisciplinario también realizará un análisis cualitativo de los diagnósticos incorrectos de CADx para evaluar el impacto potencial.
36 meses
Efectos aprendidos de la endoscopia aumentada con IA en el diagnóstico óptico del endoscopista
Periodo de tiempo: 36 meses
Evaluaremos si el uso de IA durante la colonoscopia puede ser una herramienta de aprendizaje para el endoscopista
36 meses

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

4 de mayo de 2024

Finalización primaria (Estimado)

1 de junio de 2025

Finalización del estudio (Estimado)

30 de mayo de 2026

Fechas de registro del estudio

Enviado por primera vez

7 de mayo de 2024

Primero enviado que cumplió con los criterios de control de calidad

5 de junio de 2024

Publicado por primera vez (Actual)

6 de junio de 2024

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

6 de junio de 2024

Última actualización enviada que cumplió con los criterios de control de calidad

5 de junio de 2024

Última verificación

1 de junio de 2024

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

INDECISO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

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. .

Ensayos clínicos sobre Pólipo de colon

3
Suscribir