Autonominen tekoäly vs. tekoälyavusteinen ihmisen optinen diagnoosi (CADx-Prosp)
Autonominen tekoäly vs. tekoälyavusteinen ihmisen optinen paksusuolen ja peräsuolen polyyppien diagnoosi: satunnaistettu kontrolloitu tutkimus
Computer-aided image-enhanced endoscopy can predict the nature of colorectal polyps with over 90% accuracy. This technology uses artificial intelligence (AI) to analyze video recordings of polyps, learning to make diagnoses in real-time. This means that doctors can get immediate predictions about small polyps during the procedure, reducing the need for separate pathology exams and saving costs, ultimately improving patient care.
Human and AI interactions are complex and a framework to reap synergistic effects CADx systems when used by humans to harness optimal performance needs to be established. AI solutions in medicine are usually developed to be used as assistive devices, however, then they rely on humans to correct AI errors. Optical polyp diagnosis is a complex task. Non experts usually achieve diagnostic accuracy in 70-80%. CADx systems have a similar diagnostic accuracy when used autonomously. Clinical evaluation of CADx systems showed that CADx assisted OD performs equally to the operator performance when using non CADx assisted OD. To harness a benefit of clinical CADx implementation we would have to find a way that synergies between human and CADx come into play to eliminate cases in which CADx assisted and/ or human OD results in low diagnostic accuracy and also addresses the problem of serrated polyp recognition.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Our study hypothesis is that for CADx implementation, instead of using the high/low confidence framework, identifying cases with suboptimal diagnostic accuracy could be facilitated through identifying cases in which CADx and endoscopist disagreed in their diagnosis. Eliminating such cases might separate out cases with low accuracy when using CADx assisted OD. Since endoscopists have a high sensitivity but low specificity for serrated polyp OD, this framework will also allow us to implement a strategy to adequately manage serrated polyps found in the cohort.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Daniel von Renteln, MD
- Puhelinnumero: 30912 514 890-8000
- Sähköposti: daniel.von.renteln.med@ssss.gouv.qc.ca
Opiskelupaikat
-
-
Quebec
-
Montreal, Quebec, Kanada
- Rekrytointi
- Ghislaine Ahoua
-
Ottaa yhteyttä:
- Daniel von Renteln, MD
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Kuvaus
Inclusion Criteria:
- Indication for full colonoscopy.
Exclusion Criteria:
- Known inflammatory bowel disease
- Active colitis
- coagulopathy
- familial polyposis syndrome
- poor general health, defined as an American Society of Anesthesiologists class >3
- emergency colonoscopy
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Diagnostiikka
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Muut: All participants
The endoscopist will make an optical diagnosis (OD) prediction for all small polyps (up to 10 mm) in white light (WL). Then, the endoscopist will make another OD prediction using image enhanced endoscopy (IEE) modes. After that, CADx will be activated in the IEE mode and a CADx prediction will be documented. Finally, after seeing the CADx prediction, the endoscopist will make a final prediction, which can agree or disagree with the autonomous CADx one. Polyps will be resected and sent to a pathology lab, where a pathologic diagnosis (blinded to the endoscopist's predictions) will be rendered. |
The CADx system will be used to predict the histopathology of the polyp detected. |
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Accuracy of optical diagnosis, for polyps 1-5mm, compared with an agreed upon CADx-assisted diagnosis
Aikaikkuna: up to 100 weeks
|
Accuracy of optical diagnosis, for polyps 1-5mm, compared with an agreed upon CADx-assisted diagnosis , when histopathology results are used as the reference |
up to 100 weeks
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Accuracy of optical diagnosis, for polyps 1-10mm, compared with an agreed upon CADx-assisted diagnosis
Aikaikkuna: up to 100 weeks
|
Accuracy of optical diagnosis, for polyps 1-10mm, compared with an agreed upon CADx-assisted diagnosis, when histopathology results are used as the reference |
up to 100 weeks
|
|
Test characteristics, including recall, specificity, positive and negative predictive values (PPV/NPV), and particularly the NPV of rectosigmoid neoplastic polyps.
Aikaikkuna: up to 100 weeks
|
A ≥90% NPV will be used as a quality benchmark for a strategy to not resect such diminutive polyps. |
up to 100 weeks
|
|
Agreement of surveillance interval recommendations of AI-A and AI-H compared with the pathology-based recommendations
Aikaikkuna: up to 100 weeks
|
For surveillance interval assignment, the pathology results of concomitant polyps >5 mm (including multiple concomitant polyps of all sizes and histology) will be considered when calculating the surveillance interval recommendation. Surveillance recommendations will be based on the 2020 United States Multi Society Task Force Guidelines as is current standard of practice at our center. |
up to 100 weeks
|
|
Proportion of patients for whom an immediate surveillance recommendation can be directly provided for each approach, and how often histopathology-based polyp examination would have been avoided.
Aikaikkuna: up to 100 weeks
|
The potential cost-effectiveness of OD (either approaches) will be evaluated using the measured described above. |
up to 100 weeks
|
|
Variability of OD (AI-A and AI-H) across participating endoscopists.
Aikaikkuna: up to 100 weeks
|
Each participating endoscopist will conduct a similar number of optical diagnoses to assess endoscopist-related factors. |
up to 100 weeks
|
|
Cost-effectiveness of OD ((AI-A and AI-H)
Aikaikkuna: up to 100 weeks
|
A cost-effectiveness model will be applied to better quantify costs and understand cost impact including key cost drivers when generalized to a broader screening population. |
up to 100 weeks
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Päätutkija: Daniel von Renteln, MD, University of Montreal Medical Center (CHUM)
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
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
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2025-12306
- 2025 (Yhdysvaltain NIH-apuraha/sopimus)
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 .