Tekoäly vs endoskopistitunnistus EUS:n normaalissa anatomiassa
torstai 22. helmikuuta 2024 päivittänyt: Carlos Robles-Medranda, Instituto Ecuatoriano de Enfermedades Digestivas
Tekoälyn ja endoskopistien tarkkuuden vertaileva arviointi endoskooppisessa ultraäänessä normaaleiden anatomisten rakenteiden tunnistamiseksi: monialainen, poikkileikkaustutkimus
Endoskooppinen ultraääni (EUS) -näkemys on käyttäjästä riippuvainen ja voi haitata diagnostista tarkkuutta, erityisesti vähemmän kokeneilla endoskopoijalla. Tekoälyn käyttöönotto voi mahdollisesti vähentää operaattoririippuvuutta ja tulkinnan vaihtelua, mikä auttaa tai parantaa yleistä tarkkuutta.
Siksi tutkijat pyrkivät vertailemaan diagnostista tarkkuutta tekoälyyn (AI) perustuvan mallin ja endoskoopin välillä tunnistaessaan normaaleja anatomisia rakenteita EUS-toimenpiteissä.
Tutkimuksen yleiskatsaus
Tila
Valmis
Interventio / Hoito
Yksityiskohtainen kuvaus
EUS on operaattorista riippuvainen menettely, jonka tarkkuus riippuu kokemuksesta ja taidoista. Nykyään EUS-koulutus voidaan saavuttaa virallisella stipendiaattikoulutuksella keskustassa 6-24 kuukauden ajan tai epävirallisella koulutuksella didaktisten istuntojen kautta lyhyellä käytännön kokemuksella. Oikean ja täydellisen oppimiskokemuksen mittaamisen parametrit ovat kuitenkin vielä määrittelemättä. Tekoälyn käyttöönotto EUS:ssä voi mahdollisesti lieventää käyttäjäriippuvaista muuttujaa ja parantaa diagnostista tarkkuutta.
Siksi normaalien anatomisten rakenteiden havaitseminen erikseen käyttämällä tekoälypohjaista mallia, asiantuntija- ja ei-asiantuntija-endoskopitit määrittääkseen, missä tekoälystä olisi eniten hyötyä.
Tutkijoiden tavoitteena on verrata tekoälypohjaisen mallin diagnostista tarkkuutta endoskoopin normaaleihin anatomisiin rakenteisiin EUS-toimenpiteissä.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
30
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Guayas
-
Guayaquil, Guayas, Ecuador, 090505
- IECED
-
-
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
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Asiantuntevat ja ei-asiantuntija maha-suolikanavan EUS-endoskopistit.
Kuvaus
Sisällyttämiskriteerit:
- Asiantuntevat maha-suolikanavan EUS-endoskopistit.
- Ei-asiantuntija maha-suolikanavan endoskopistit koulutus EUS.
- Potilaat, joilla on krooninen dyspepsia ilman muita löydöksiä.
- Potilaat, joilla on aiemmat TT-kuvat tai ylemmän ruoansulatuskanavan endoskopia, eivät raportoineet muita löydöksiä.
- Potilaat, jotka tarvitsevat EUS-seurantaa haimasyövän suvussa ilman löydöksiä magneettikuvauksessa.
Poissulkemiskriteerit:
- Internet-yhteys alle 100 Mt sekunnissa.
- Potilaat, joilla on epänormaalit rakenteet tai näkyviä vaurioita.
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 |
Interventio / Hoito |
|---|---|
|
AI-pohjainen malli
AIWorks-EUS Convolutional Neural Network versio 2 (CNNv2) (mdconsgroup, Guayaquil, Ecuador) sovellettiin valmiiksi tallennettuihin videoihin normaaleiden anatomisten rakenteiden havaitsemiseen.
|
AIWorks-EUS-malli ja endoskoopit analysoivat eri ikkunoiden (välikarsina, mahalaukun, pohjukaissuolen) mukaan leikatut, valmiiksi tallennetut videot eri aikoina eri normaalien anatomisten rakenteiden tunnistamiseksi.
|
|
Asiantuntevat endoskopistit
Endoskooppilääkärit, joilla on > 190 EUS-toimenpidettä vuodessa, mukaan lukien 75 haima-sappi- ja limakalvosyövän staging-menettelyä kullakin, 40 subepiteliaalista tapausta; ja 50 EUS-fine needle aspiration (FNA) -tapausta (25 niistä haimatapauksia); noudattamalla American Society for Gastrointestinal Endoscopy (ASGE) -suosituksia.
|
AIWorks-EUS-malli ja endoskoopit analysoivat eri ikkunoiden (välikarsina, mahalaukun, pohjukaissuolen) mukaan leikatut, valmiiksi tallennetut videot eri aikoina eri normaalien anatomisten rakenteiden tunnistamiseksi.
|
|
Ei-asiantuntijat endoskopistit
Endoskooppilääkärit, joilla on alle 190 EUS-toimenpidettä vuodessa, mukaan lukien 75 haima-sappi- ja limakalvosyövän vaiheistustoimenpidettä kullakin, 40 subepiteliaalista tapausta; ja 50 EUS-FNA-tapausta (25 niistä haimatapauksia); noudattamalla American Society for Gastrointestinal Endoscopy (ASGE) -suosituksia.
|
AIWorks-EUS-malli ja endoskoopit analysoivat eri ikkunoiden (välikarsina, mahalaukun, pohjukaissuolen) mukaan leikatut, valmiiksi tallennetut videot eri aikoina eri normaalien anatomisten rakenteiden tunnistamiseksi.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Diagnostinen tarkkuus
Aikaikkuna: 5 kuukautta
|
Tosi positiivinen, tosi negatiivinen, väärä positiivinen ja väärä negatiivinen anatomisten rakenteiden havaitsemisen perusteella ulkopuolisen endoskopitin mukaan kultastandardina.
|
5 kuukautta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Interobserver sopimus
Aikaikkuna: 5 kuukautta
|
Tekoälyyn (AI) perustuvan mallin ja molempien ryhmien (asiantuntija- ja ei-asiantuntija-endoskopitien) diagnostisten tarkkuuksien vertailu käyttämällä Fleiss Kappaa.
|
5 kuukautta
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Yhteistyökumppanit
Tutkijat
- Päätutkija: Carlos Robles-Medranda, MD FASGE, Instituto Ecuatoriano de Enfermedades Digestivas (IECED)
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Han C, Nie C, Shen X, Xu T, Liu J, Ding Z, Hou X. Exploration of an effective training system for the diagnosis of pancreatobiliary diseases with EUS: A prospective study. Endosc Ultrasound. 2020 Sep-Oct;9(5):308-318. doi: 10.4103/eus.eus_47_20.
- Cho CM. Training in Endoscopy: Endoscopic Ultrasound. Clin Endosc. 2017 Jul;50(4):340-344. doi: 10.5946/ce.2017.067. Epub 2017 Jul 31.
- Finocchiaro M, Cortegoso Valdivia P, Hernansanz A, Marino N, Amram D, Casals A, Menciassi A, Marlicz W, Ciuti G, Koulaouzidis A. Training Simulators for Gastrointestinal Endoscopy: Current and Future Perspectives. Cancers (Basel). 2021 Mar 20;13(6):1427. doi: 10.3390/cancers13061427.
- Robles-Medranda C, Baquerizo-Burgos J, Puga-Tejada M, Del Valle R, Mendez JC, Egas-Izquierdo M, Arevalo-Mora M, Cunto D, Alcivar-Vasquez J, Pitanga-Lukashok H, Tabacelia D. Development of convolutional neural network models that recognize normal anatomic structures during real-time radial-array and linear-array EUS (with videos). Gastrointest Endosc. 2024 Feb;99(2):271-279.e2. doi: 10.1016/j.gie.2023.10.028. Epub 2023 Oct 10.
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)
Maanantai 1. toukokuuta 2023
Ensisijainen valmistuminen (Todellinen)
Sunnuntai 1. lokakuuta 2023
Opintojen valmistuminen (Todellinen)
Perjantai 26. tammikuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Perjantai 16. helmikuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Torstai 22. helmikuuta 2024
Ensimmäinen Lähetetty (Arvioitu)
Keskiviikko 28. helmikuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Keskiviikko 28. helmikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Torstai 22. helmikuuta 2024
Viimeksi vahvistettu
Torstai 1. helmikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- IECED-12345
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
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 .