Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Tulevaisuuden monikeskustutkimus tekoälyavusteisesta kolonoskopian laadunarviointijärjestelmästä

lauantai 9. tammikuuta 2021 päivittänyt: Renmin Hospital of Wuhan University
Enteroskopian laadun seurantaa varten esitetään tekoälyyn perustuva laadunvalvontaindeksi. Ja tarkistamme korrelaation adenoomien havaitsemisasteen ja endoskooppisten ylinopeuspeilien prosenttiosuuden välillä, palautumattomien / onnistuneiden paluukertojen lukumäärän ja EndoAngelin tarjoaman reaaliaikaisen suolen valmistuksen välillä. Lisäksi on odotettavissa, että kolonoskopian standarditoiminnan laadunvalvontaindeksin standardialue voidaan ehdottaa adenoomien havaitsemisasteen mukaan.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Kolonoskopia on keskeinen tekniikka alemman maha-suolikanavan sairauksien havaitsemiseen ja diagnosointiin. Laadukas endoskopia johtaa parempiin tuloksiin, Eri endoskooppilääkärien taitotaso on kuitenkin varsin erilainen. Kolorektaalisen ADENOMAS-diagnoosin puuttumisaste oli 22 %, unohtunut diagnoosi vaihteli 7,4 %:sta 52,5 %:iin. Useat tutkimukset osoittivat, että 12,1 %:lla potilaista ei ollut syöpää kolonoskopian aikana, mutta heillä diagnosoitiin paksusuolen syöpä (post-kolonoskopian jälkeinen kolorektaalisyöpä, PCCRC) viiden vuoden sisällä, josta 71–86 % johtui hoidon laiminlyönnistä. endoskopisti 6, 7. Siksi on erittäin tärkeää parantaa rutiininomaisen endoskooppisen tutkimuksen laatua samalla kun endoskooppista tekniikkaa laajennetaan.

Kolonoskoopin laadunvalvontaindeksi voi kuvastaa endoskoopin lääkäreiden toimintatasoa, ja se on erittäin tärkeä työkalu kolonoskoopin laadun varmistamiseksi. Endoskopitin laadunvalvontatietojen tutkiminen ja palaute voi tehokkaasti parantaa leesioiden havaitsemisnopeutta ja taata endoskooppisen laadun korkean tason. Enteroskopian laadun takaamisen avain on esittää laadunvalvontaindeksi, joka voi kuvastaa endoskopian toiminnan laatua. Barclay ehdotti vuonna 2006, että kolonoskopian keskeytysajan ja potilaiden adenoomien välillä oli merkittävä korrelaatio, ja heidän löydöstään julkaistiin The New England Journal of Medicine -lehdessä, jonka vaikutuskerroin oli 70,67. Sitten oli 367 artikkelia enteroskopian vetäytymisnopeuden tutkimuksesta. Aslinia teki retrospektiivisen analyysin enteroskopialla saavutetun sokeuden ilmaantuvuuden ja potilaiden ennusteen välisestä korrelaatiosta ja ehdotti saavutettua sokeuden ilmaantuvuutta enteroskopian laadunvalvontaindeksiksi. Muita laadunvalvontaindikaattoreita, kuten suolen puhtaus ja polyyppien havaitsemisaste, on julkaistu kansainvälisesti tunnetuissa aikakauslehdissä ja sisällytetty endoskooppisten lääkäreiden päivittäisen työn laatua sääteleviin ohjeisiin, joilla on suuri kliininen merkitys.

Huolimatta edellä mainituista laadunvalvontaindikaattoreista nykyiset endoskooppiset laadunvalvontaindikaattorit ovat kuitenkin vakavasti riittämättömiä. Monikeskustutkimuksen mukaan nykyiset laadunvalvontaindikaattorit heijastavat vain noin 40 % erosta endoskooppisten lääkäreiden leesioiden havaitsemistasoissa. Tämän ilmiön olemassaolo osoitti, että tarvitaan lisää laadunvalvontaindeksejä, jotta se kuvastaisi täysin endoskooppisten toimenpiteiden laatua. Suolen valmistelua kuvaavana laadunvalvontaindeksinä suolen puhtaus on kohtalokas puute, jolla on vahva subjektiivisuus ja heikko johdonmukaisuus tarkkailijoiden keskuudessa, joten nykyinen kolonoskopia tarvitsee kattavampia, objektiivisempia laadunvalvontaindikaattoreita, jotka kuvastavat endoskooppisten lääkäreiden tasoa, jotta voidaan varmistaa kolonoskopian laatu.

Viimeisen vuosikymmenen aikana tekoäly (AI) on edistynyt merkittävästi lääketieteen alalla. Andre Esteva käytti syvää hermoverkkoa (DNN) luokitellakseen ihosyövän asiantuntijatason tarkkuudella. Ruoansulatuskanavan endoskopian alalla projektitiimi alussa on tehnyt valtavan läpimurron. Vuonna 2018 projektiryhmän kehittämä tekoälyn gastroskopian kuolleen kulman seurantamalli vähensi merkittävästi endoskooppisen kuolleen kulman määrää satunnaistetuissa kontrolloiduissa kliinisissä tutkimuksissa, tulokset julkaistiin Gut-lehdessä vaikutuskertoimella 17,94. Vuonna 2019 ryhmän gastrogastrotestinal endoscopy -lehdessä julkaistu tekoälymalli suoliston puhtauden arvioimiseksi impaktiteettikertoimella 7,23 osoitti paremman kuvan tarkkuuden kuin endoskopisti ihmistietokonekilpailussa. Samana vuonna projektissa kehitettiin Haschen havaintoalgoritmiin perustuva malli kolonoskopian nopeuden seurantaan ja malli kolonoskopian liukupeilin seurantaan kuvan luokittelun perusteella sekä tehtiin satunnaistettuja kontrolloituja kliinisiä kokeita, malli paransi merkittävästi Kolonoskopian kykyä havaita leesioita. , Tutkimus julkaistiin The Lancet Gastroenterologyssa 18, jonka vaikutuskerroin oli 12,87.

Edellä mainitun varhaisen työn runsaan perustan sekä enteroskopian laadunvalvonnan nykyisen suuren kysynnän perusteella aiomme validoida tekoälyyn perustuvan enteroskopian ulostulonopeuden, suolen puhtauden ja enteroskopian diamallin. projektitiimin monikeskustutkimuksen avulla arvioida lääkärin toiminnan laadun toteutettavuutta ja tarkkuutta laadunvalvontaindeksinä.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

5813

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

    • Hubei
      • Wuhan, Hubei, Kiina, 430000
        • Rekrytointi
        • Renmin Hospital of Wuhan University
        • Ottaa yhteyttä:
        • Ottaa yhteyttä:
          • Liwen Yao, Doctor
          • Puhelinnumero: 15827416837

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

50 vuotta - 80 vuotta (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Tähän tutkimukseen otettiin yhteensä 5813 potilasta. Se sisälsi 50–80-vuotiaita miehiä ja naisia, joilta vaadittiin kolonoskopiat, vapaaehtoisesti endoskopiakuvaukset ja tietoisen suostumuslomakkeen allekirjoittaminen.

Kuvaus

Sisällyttämiskriteerit:

  1. Mies tai nainen 50–80-vuotiaat (mukaan lukien) ;
  2. Kyky lukea, ymmärtää ja allekirjoittaa tietoinen suostumuslomake;
  3. Tutkijat uskoivat, että koehenkilöt pystyivät ymmärtämään kliinisen tutkimuksen kulkua ja olivat halukkaita ja kykeneviä suorittamaan kaikki tutkimukseen liittyvät menettelyt ja seurantahaastattelut.

Poissulkemiskriteerit:

Osallistujat, jotka täyttävät jonkin seuraavista kriteereistä, suljetaan pois tutkimuksesta

  1. huumeiden tai alkoholin väärinkäyttö tai psyykkiset häiriöt viimeisen 5 vuoden aikana;
  2. raskaana olevat tai imettävät naiset;
  3. Potilaat, joilla on tunnettu polyyppisyndrooma;
  4. Potilaat, joilla on tunnettu tulehduksellinen suolistosairaus;
  5. Potilaat, joilla on tunnettu suolen ahtauma tai massakasvain;
  6. Potilaat, joilla on tunnettu paksusuolen tukos tai perforaatio;
  7. Potilaat, joilla on aiemmin ollut kolorektaalikirurgia;
  8. Potilaat, joilla on aiemmin ollut anafylaksia kouristuksia ehkäiseville aineille;
  9. Veren hyytymishäiriöt tai oraaliset antikoagulantit ja muut syyt eivät voi olla biopsia ja polypectomy;
  10. Korkean riskin sairaudet tai muut erityisolosuhteet, joita pidetään sopimattomina kliinisiin tutkimuksiin osallistuville.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Enteroskopian poistumisnopeuden ylikierroksen prosenttiosuus
Aikaikkuna: 2020.12.2020
Enteroskopian poistumisnopeuden ylikierroksen prosenttiosuus
2020.12.2020
Adenooman havaitsemisnopeus (ADR)
Aikaikkuna: 2020.12.2020
ADR laskettiin jakamalla niiden potilaiden kokonaismäärä, joilla havaittiin adenoomat, koloskopioiden lukumäärällä.
2020.12.2020

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Edistynyt adenooman havaitsemisnopeus
Aikaikkuna: 2020.12.2020
Pitkälle edennyt adenooman havaitsemisaste laskettiin jakamalla niiden potilaiden kokonaismäärä, joilla havaittiin edennyt adenooma, koloskopioiden lukumäärällä.
2020.12.2020
Polyypin havaitsemisnopeus (PDR)
Aikaikkuna: 2020.12.2020
PDR laskettiin jakamalla niiden potilaiden kokonaismäärä, joilla havaittiin polyyppeja, koloskopioiden lukumäärällä.
2020.12.2020
Keskimääräinen adenoomien lukumäärä potilasta kohti (MAP)
Aikaikkuna: 2020.12.2020
MAP laskettiin jakamalla adenoomien kokonaismäärä kolonoskopioiden lukumäärällä.
2020.12.2020
PDR eri kokoisia
Aikaikkuna: 2020.12.2020
Se laskettiin jakamalla niiden potilaiden lukumäärä, joilla oli suuria (≥10 mm), pieniä (6-9 mm) ja pieniä (≤5 mm) polyyppeja, niiden potilaiden lukumäärällä, joille tehdään kolonoskopia.
2020.12.2020
MNP eri kokoisia
Aikaikkuna: 2020.12.2020
Se laskettiin jakamalla suurten (≥10 mm), pienten (6-9 mm) ja pienien (≤5 mm) polyyppien lukumäärä kolonoskopiaan joutuvien potilaiden lukumäärällä.
2020.12.2020
ADR eri kokoisia
Aikaikkuna: 2020.12.2020
Se laskettiin jakamalla niiden potilaiden lukumäärä, joilla oli suuri (≥10 mm), pieni (6-9 mm) ja pieni (≤5 mm) adenoomat, kolonoskopiaan joutuvien potilaiden lukumäärällä.
2020.12.2020
KARTTA eri kokoisia
Aikaikkuna: 2020.12.2020
Se laskettiin jakamalla suurten (≥10 mm), pienten (6-9 mm) ja pienenevien (≤5 mm) adenoomien lukumäärä kolonoskopiaan joutuvien potilaiden lukumäärällä.
2020.12.2020
ADR eri paikoista
Aikaikkuna: 2020.12.2020
Se laskettiin jakamalla niiden potilaiden lukumäärä, joilla on adenoomat havaittu peräsuolessa, sigmoidissa paksusuolessa, laskevassa paksusuolessa, poikittaisessa paksusuolessa, nousevassa paksusuolessa, ileocekaalisella alueella jne. kolonoskopiaan joutuneiden potilaiden kokonaismäärästä.
2020.12.2020
KARTTA eri paikoista
Aikaikkuna: 2020.12.2020
Se laskettiin jakamalla peräsuolessa, sigmoidikoolonissa, laskevassa paksusuolessa, poikittaisessa paksusuolessa, nousevassa paksusuolessa, ileokekaalisessa alueella jne. havaittujen adenoomien lukumäärä. kolonoskopiaan joutuneiden potilaiden kokonaismäärästä.
2020.12.2020
Umpisuolen intubaationopeus
Aikaikkuna: 2020.12.2020
Se laskettiin jakamalla ileokekaaliselle alueelle saapuneiden kolonoskopioiden lukumäärä kolonoskopioiden kokonaismäärällä.
2020.12.2020
Eri suoliston osien puhtausarviointi tekoälyjärjestelmässä
Aikaikkuna: 2020.12.2020
Tekoäly arvioi nousevan paksusuolen, poikittaisen paksusuolen ja laskevan paksusuolen Boston Bowel Preparation -pistemäärän reaaliajassa ja laskee 1-pisteen osuuden.
2020.12.2020

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Päätutkija: Honggang Yu, Doctor, Renmin Hospital of Wuhan University

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)

Tiistai 2. kesäkuuta 2020

Ensisijainen valmistuminen (Odotettu)

Torstai 2. joulukuuta 2021

Opintojen valmistuminen (Odotettu)

Torstai 16. joulukuuta 2021

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 26. lokakuuta 2020

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 26. lokakuuta 2020

Ensimmäinen Lähetetty (Todellinen)

Perjantai 30. lokakuuta 2020

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 12. tammikuuta 2021

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Lauantai 9. tammikuuta 2021

Viimeksi vahvistettu

Perjantai 1. tammikuuta 2021

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • EA-20-003

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

Tässä artikkelissa raportoitujen tulosten ja tutkimusprotokollan taustalla olevat yksilölliset osallistujatiedot jaetaan tutkijoille, joiden ehdotettu tietojen käyttö on hyväksynyt riippumattoman arviointikomitean. Tietoja voidaan käyttää vain hyväksytyn ehdotuksen tavoitteiden saavuttamiseen. Tietojen julkistaminen alkaa 9 kuukauden kuluttua ja päättyy 36 kuukautta artikkelin julkaisemisen jälkeen. Tietojen pyytäjien on allekirjoitettava tietojen käyttösopimus saadakseen pääsyn tietoihin. Ehdotukset tulee osoittaa vastaavalle kirjoittajalle.

IPD-jaon aikakehys

Tietojen julkistaminen alkaa 9 kuukauden kuluttua ja päättyy 36 kuukautta artikkelin julkaisemisen jälkeen.

IPD-jaon käyttöoikeuskriteerit

Tietojen pyytäjien on allekirjoitettava tietojen käyttösopimus saadakseen pääsyn tietoihin. Ehdotukset tulee osoittaa vastaavalle kirjoittajalle.

IPD-jakamista tukeva tietotyyppi

  • STUDY_PROTOCOL

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 .

Tilaa