- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT03775811
In vivo -tietokoneavusteinen polyyppihistologian ennuste valkoisen valon kolonoskopiassa
Ryhmämme kehitti ennen tätä tutkimusta käsintehdyn ennustavan mallin, joka perustuu pintakuvioiden (tekstonien) erottamiseen diagnostisella tarkkuudella yli 90 %24. Tämä menetelmä validoitiin pienessä tietojoukossa, joka sisälsi vain korkealaatuisia kuvia.
Tekoälyn odotetaan parantavan paksusuolen polyyppien optisen diagnoosin tarkkuutta. Ehdotamme hybridilähestymistapaa, jossa yhdistyvät syväoppimisjärjestelmä (DL) kliinikon osoittamiin polyyppiominaisuuksiin (HybridAI). Pilotti in vivo -koe suoritetaan.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Optisella diagnoosilla pyritään ennustamaan polyypin histologia sen endoskooppisten ominaisuuksien perusteella. Tämä käytäntö voisi välttää histopatologisen analyysin ja vähentää johdettuja kustannuksia. Tämän lähtökohdan mukaan American Society of Gastrointestinal Endoscopy (ASGE) Preservation and Incorporation of Valuable Endoscopic Innovations (PIVI) -lausunnossaan asetti diagnostisen kynnyksen pienten polyyppien reaaliaikaiselle endoskooppiselle arvioinnille. Sen toteuttamisen perusteena on, että pitkälle edenneen histologian esiintyvyys polyypeissä < 5 mm on erittäin alhainen (0,5 %).
Useat tutkimukset ovat osoittaneet, että pienten polyyppien optinen diagnoosi on turvallista ja mahdollista kliinisessä käytännössä ja verrattavissa nykyiseen kultastandardiin, histopatologiaan. Optisen diagnoosin tarkkuuden on kuitenkin osoitettu olevan riittämätön yhteisöpohjaisissa käytännöissä tai ei-asiantuntija käsissä, ja diagnoosi on vielä vaikeampi pienissä polyypeissä, joiden koko on < 3 mm, joissa endoskooppisen ja patologisen diagnoosin välinen ero on noin 15 %.
Tekoäly (AI) on noussut apuvälineeksi polyyppien karakterisoinnissa.
Pyrimme parantamaan optista diagnoosia tekoälymenetelmillä ja ehdotamme hybridilähestymistapaa, jossa DL yhdistetään endoskooppilääkärien manuaalisesti osoittamiin polyyppien ominaisuuksiin (HybridAI).
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Barcelona, Espanja, 08036
- Hospital Clinic de Barcelona
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Mukaan otetaan kaikki potilaat, joilla on minkä tahansa kokoisia/morfologisia polyyppeja, jotka on havaittu rutiini- tai seulontakolonoskopiassa ja jotka on leikattu endoskooppisesti ja otettu talteen histologista analyysiä varten.
Saatuja kuvia käytetään tietokannan laajentamiseen.
Kuvaus
Sisällyttämiskriteerit:
- Ikä > 18 vuotta
- Tutkimukseen osallistumisen hyväksyminen. Tietoon perustuvan suostumuksen allekirjoitus
- Potilaat, joilla on vähintään yksi polyyppi minkä kokoinen tai morfologia tahansa on diagnosoitu rutiini- tai seulontakolonoskopiassa
- Endoskopiat suoritetaan teräväpiirtoendoskoopilla
Poissulkemiskriteerit:
- Ikä <18 vuotta
- Kieltäytyminen tutkimukseen osallistumisesta
- Aiemmassa endoskopiassa osittain leikatut polyypit
- Potilaat, joilla on tulehdussairaus
- Mahdottomuus pestä ulosteen tai liman jäännöksiä polyypin pinnalla
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: Kohortti
- Aikanäkymät: Tulevaisuuden
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tietokoneavusteisen järjestelmän tarkkuus polyyppien histologian ennustamiseen todellisessa kliinisessä käytännössä
Aikaikkuna: Yksi vuosi
|
Tietokoneavusteisen järjestelmän ennusteen tuloksia verrataan lopulliseen patologiaraporttiin, joka on kultainen standardi
|
Yksi vuosi
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- 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.
- Sanchez-Montes C, Sanchez FJ, Bernal J, Cordova H, Lopez-Ceron M, Cuatrecasas M, Rodriguez de Miguel C, Garcia-Rodriguez A, Garces-Duran R, Pellise M, Llach J, Fernandez-Esparrach G. Computer-aided prediction of polyp histology on white light colonoscopy using surface pattern analysis. Endoscopy. 2019 Mar;51(3):261-265. doi: 10.1055/a-0732-5250. Epub 2018 Oct 25.
- Bernal J, Histace A, Masana M, Angermann Q, Sanchez-Montes C, Rodriguez de Miguel C, Hammami M, Garcia-Rodriguez A, Cordova H, Romain O, Fernandez-Esparrach G, Dray X, Sanchez FJ. GTCreator: a flexible annotation tool for image-based datasets. Int J Comput Assist Radiol Surg. 2019 Feb;14(2):191-201. doi: 10.1007/s11548-018-1864-x. Epub 2018 Sep 25.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- HISINVIA
- PI17/00894 (Muu apuraha/rahoitusnumero: Instituto de Salud Carlos III)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .