CP-EBUS:n ennustemalli imusolmukkeiden diagnosoinnissa
tiistai 31. maaliskuuta 2020 päivittänyt: Jiayuan Sun, Shanghai Chest Hospital
Ennustusmalli, joka perustuu CP-EBUS-multimodaalikuvan syvälliseen oppimiseen hyvänlaatuisten ja pahanlaatuisten imusolmukkeiden diagnosoinnissa
Endobronkiaalinen ultraääni (EBUS) -multimodaalinen kuva, joka sisältää harmaasävyt, verenvirtauksen doppleria ja elastografiaa, voidaan käyttää ei-invasiivisena diagnoosina ja täydentää patologista tulosta, jolla on tärkeä kliininen käyttöarvo.
Tässä tutkimuksessa rakennetaan EBUS-multimodaalinen kuvatietokanta 1000 rintakehän hyvän- ja pahanlaatuisesta imusolmukkeesta (LN) kouluttamaan syväoppivia hermoverkkoja, jotka voivat automaattisesti valita edustavia kuvia ja diagnosoida LN:itä.
Tutkijat perustavat tekoälyn ennustusmallin, joka perustuu rintakehän sisäisten LN:iden syvälliseen oppimiseen, ja tarkistavat mallin muissa 300 LN:ssä.
Tutkimuksen yleiskatsaus
Tila
Tuntematon
Ehdot
Yksityiskohtainen kuvaus
Keuhkosyövän intrathorakaalinen LN:ien suurentumiseen liittyy monenlaisia sairauksia, joista yleisin pahanlaatuinen sairaus on keuhkosyövän intrathorakaalinen LN:n etäpesäke. Hyvänlaatuiset leesiot, mukaan lukien tulehdus, tuberkuloosi ja sarkoidoosi, on myös erotettava kohdennettua hoitoa varten.
EBUS-multimodaalikuvaa, joka sisältää harmaasävyt, verenvirtauksen doppleria ja elastografiaa, voidaan käyttää ei-invasiivisena diagnoosina ja täydentää patologista tulosta, jolla on tärkeä kliininen käyttöarvo. Tämä tutkimus sisältää kaksi osaa: tekoälyn EBUS-ennustemallin retrospektiivinen rakentaminen ja ennustemallin monikeskusprospektiivinen validointi. Yhteensä 1300 LN:tä otetaan mukaan tutkimukseen.
Videoiden säilyttämisen aikana kohde-LN:itä ja perifeerisiä verisuonia tutkitaan käyttämällä ultraäänisäntiä (EU-ME2, Olympus tai Hi-vision Avius, Hitachi), jotka on varustettu elastografialla ja dopplertoiminnolla sekä ultraäänibronkoskopialla (BF-UC260FW, Olympus tai EB1970UK, Pentax). . Kohde-LN:iden multimodaaliset kuvatiedot kerätään.
Tutkijat rakentavat syvään oppimiseen perustuvan tekoälyn ennustusmallin käyttämällä ensin kuvia 1000 LN:stä ja tarkistavat mallin muissa 300 LN:ssä. Tätä mallia verrataan perinteisiin kvalitatiivisiin ja kvantitatiivisiin arviointimenetelmiin diagnostisen tehokkuuden todentamiseksi.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
1300
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Shanghai
-
Shanghai, Shanghai, Kiina, 200030
- Rekrytointi
- Shanghai Chest Hospital
-
Ottaa yhteyttä:
- Jiayuan Sun, PhD
- Puhelinnumero: 1511 86-21-22200000
- Sähköposti: jysun1976@163.com
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Ei käytössä
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Potilaat, joilla on suurentuneet rintakehän sisäiset LN:t ja jotka on diagnosoitava EBUS-TBNA:lla, otetaan mukaan tähän tutkimukseen.
Kuvaus
Sisällyttämiskriteerit:
- Rintakehän TT:ssä näkyy laajentuneita rintakehän sisäisiä LN:itä (lyhyt halkaisija > 1 cm) tai PET/CT osoittaa potilaita, joilla on lisääntynyt FDG:n otto (SUV ≧ 2,0) rintakehän sisäisissä LN:issä;
- Leikkauslääkärin mielestä EBUS-TBNA tulisi suorittaa LN:ille keuhkosyövän diagnosointia tai leikkausta edeltävää vaihetta varten;
- Potilaat suostuvat suorittamaan EBUS-TBNA:n, allekirjoittamaan tietoisen suostumuksen, eikä heillä ole vasta-aiheita.
Poissulkemiskriteerit:
- Potilaat, joilla on muita tilanteita, jotka eivät sovellu EBUS-TBNA:lle.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
|---|
|
Prospektiivinen validointiryhmä
Prospektiivisen validoinnin osiossa käytetään kahta diagnoosimenetelmää, joista toinen on perinteinen kvalitatiivinen ja kvantitatiivinen menetelmä, toinen on videoihin perustuva tekoälyn ennustemalli, jolla verrataan diagnostista tehokkuutta.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Videoihin perustuvan EBUS-multimodaalisen tekoälyn ennustemallin diagnostinen tehokkuus
Aikaikkuna: 6 kuukautta toimenpiteen jälkeen
|
Diagnostinen tehokkuus sisältää herkkyyden, spesifisyyden, positiivisen ennustusarvon, negatiivisen ennustusarvon ja diagnostisen tarkkuuden.
|
6 kuukautta toimenpiteen jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Perinteisten kvalitatiivisten ja kvantitatiivisten menetelmien diagnostinen tehokkuus
Aikaikkuna: 6 kuukautta toimenpiteen jälkeen
|
Diagnostinen tehokkuus sisältää herkkyyden, spesifisyyden, positiivisen ennustusarvon, negatiivisen ennustusarvon ja diagnostisen tarkkuuden.
|
6 kuukautta toimenpiteen jälkeen
|
|
Kuviin perustuvan multimodaalisen syväoppimismallin diagnostinen tehokkuus
Aikaikkuna: 6 kuukautta toimenpiteen jälkeen
|
Diagnostinen tehokkuus sisältää herkkyyden, spesifisyyden, positiivisen ennustusarvon, negatiivisen ennustusarvon ja diagnostisen tarkkuuden.
|
6 kuukautta toimenpiteen jälkeen
|
|
Syventävään oppimiseen perustuvan ennustemallin vertailu perinteisiin laadullisiin ja kvantitatiivisiin menetelmiin
Aikaikkuna: 6 kuukautta toimenpiteen jälkeen
|
Diagnostinen tehokkuus sisältää herkkyyden, spesifisyyden, positiivisen ennustusarvon, negatiivisen ennustusarvon ja diagnostisen tarkkuuden.
|
6 kuukautta toimenpiteen jälkeen
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Sun J, Teng J, Yang H, Li Z, Zhang J, Zhao H, Garfield DH, Han B. Endobronchial ultrasound-guided transbronchial needle aspiration in diagnosing intrathoracic tuberculosis. Ann Thorac Surg. 2013 Dec;96(6):2021-7. doi: 10.1016/j.athoracsur.2013.07.005. Epub 2013 Sep 12.
- Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, Venugopalan S, Widner K, Madams T, Cuadros J, Kim R, Raman R, Nelson PC, Mega JL, Webster DR. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016 Dec 13;316(22):2402-2410. doi: 10.1001/jama.2016.17216.
- Saftoiu A, Vilmann P, Gorunescu F, Janssen J, Hocke M, Larsen M, Iglesias-Garcia J, Arcidiacono P, Will U, Giovannini M, Dietrich C, Havre R, Gheorghe C, McKay C, Gheonea DI, Ciurea T; European EUS Elastography Multicentric Study Group. Accuracy of endoscopic ultrasound elastography used for differential diagnosis of focal pancreatic masses: a multicenter study. Endoscopy. 2011 Jul;43(7):596-603. doi: 10.1055/s-0030-1256314. Epub 2011 Mar 24.
- Izumo T, Sasada S, Chavez C, Matsumoto Y, Tsuchida T. Endobronchial ultrasound elastography in the diagnosis of mediastinal and hilar lymph nodes. Jpn J Clin Oncol. 2014 Oct;44(10):956-62. doi: 10.1093/jjco/hyu105. Epub 2014 Aug 13.
- Steinfort DP, Conron M, Tsui A, Pasricha SR, Renwick WE, Antippa P, Irving LB. Endobronchial ultrasound-guided transbronchial needle aspiration for the evaluation of suspected lymphoma. J Thorac Oncol. 2010 Jun;5(6):804-9. doi: 10.1097/jto.0b013e3181d873be.
- Fujiwara T, Yasufuku K, Nakajima T, Chiyo M, Yoshida S, Suzuki M, Shibuya K, Hiroshima K, Nakatani Y, Yoshino I. The utility of sonographic features during endobronchial ultrasound-guided transbronchial needle aspiration for lymph node staging in patients with lung cancer: a standard endobronchial ultrasound image classification system. Chest. 2010 Sep;138(3):641-7. doi: 10.1378/chest.09-2006. Epub 2010 Apr 9.
- Nakajima T, Anayama T, Shingyoji M, Kimura H, Yoshino I, Yasufuku K. Vascular image patterns of lymph nodes for the prediction of metastatic disease during EBUS-TBNA for mediastinal staging of lung cancer. J Thorac Oncol. 2012 Jun;7(6):1009-14. doi: 10.1097/JTO.0b013e31824cbafa.
- Wang L, Wu W, Hu Y, Teng J, Zhong R, Han B, Sun J. Sonographic Features of Endobronchial Ultrasonography Predict Intrathoracic Lymph Node Metastasis in Lung Cancer Patients. Ann Thorac Surg. 2015 Oct;100(4):1203-9. doi: 10.1016/j.athoracsur.2015.04.143. Epub 2015 Jul 28.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Sunnuntai 1. heinäkuuta 2018
Ensisijainen valmistuminen (Odotettu)
Tiistai 30. kesäkuuta 2020
Opintojen valmistuminen (Odotettu)
Torstai 31. joulukuuta 2020
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 2. joulukuuta 2019
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Sunnuntai 29. maaliskuuta 2020
Ensimmäinen Lähetetty (Todellinen)
Tiistai 31. maaliskuuta 2020
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 2. huhtikuuta 2020
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 31. maaliskuuta 2020
Viimeksi vahvistettu
Sunnuntai 1. maaliskuuta 2020
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- SHCHE201906
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
PÄÄTTÄMÄTÖN
IPD-suunnitelman kuvaus
Tutkijat voivat vapauttaa tietokannan tutkimuksen jälkeen, mutta päätöstä ei ole vielä tehty.
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
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 .