Intelligence artificielle vs identification endoscopiste dans l'anatomie normale de l'EUS
Évaluation comparative de l'intelligence artificielle et de la précision des endoscopistes dans l'échographie endoscopique pour l'identification des structures anatomiques normales : une étude transversale multi-institutionnelle
L'impression visuelle de l'échographie endoscopique (EUS) dépend de l'opérateur et peut nuire à la précision du diagnostic, en particulier chez les endoscopistes moins expérimentés. La mise en œuvre de l’intelligence artificielle peut potentiellement atténuer la dépendance des opérateurs et la variabilité de l’interprétation, contribuant ainsi ou améliorant la précision globale.
Les enquêteurs visent donc à comparer la précision du diagnostic entre le modèle basé sur l'intelligence artificielle (IA) et les endoscopistes lors de l'identification des structures anatomiques normales dans les procédures EUS.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
L'EUS est une procédure dépendante de l'opérateur dont la précision dépend de l'expérience et des compétences. De nos jours, la formation EUS peut être réalisée par une formation formelle en bourse dans un centre pendant 6 à 24 mois ou par une formation informelle à travers des sessions didactiques avec une courte expérience pratique. Cependant, les paramètres permettant une mesure correcte et complète de l’expérience d’apprentissage doivent encore être définis. La mise en œuvre de l’intelligence artificielle sur EUS peut potentiellement atténuer la variable dépendante de l’opérateur et améliorer la précision du diagnostic.
Par conséquent, la détection des structures anatomiques normales sur une base distincte à l'aide d'un modèle basé sur l'IA, d'endoscopistes experts et non experts pour déterminer où l'IA serait la plus utile.
Les enquêteurs visent à comparer la précision diagnostique du modèle basé sur l'IA avec l'identification par les endoscopistes des structures anatomiques normales dans les procédures EUS.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
Guayas
-
Guayaquil, Guayas, Equateur, 090505
- IECED
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Endoscopistes experts en EUS gastro-intestinale.
- Formation d'endoscopistes gastro-intestinaux non experts pour l'EUS.
- Patients atteints de dyspepsie chronique sans autres signes.
- Patients ayant déjà eu des images tomodensitométriques ou une endoscopie digestive haute ne rapportant aucun autre résultat.
- Patients nécessitant une EUS pour la surveillance en raison d'antécédents familiaux de cancer du pancréas sans résultats à l'IRM.
Critère d'exclusion:
- Connexion Internet inférieure à 100 Mo par seconde.
- Patients présentant des structures anormales ou présentant des lésions visibles.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Modèle basé sur l'IA
AIWorks-EUS Convolutional Neural Network version 2 (CNNv2) (mdconsgroup, Guayaquil, Équateur) appliqué sur des vidéos préenregistrées pour la détection de structures anatomiques normales.
|
Des vidéos préenregistrées, recadrées selon les différentes fenêtres (médiastinale, gastrique, duodénale) seront analysées par le modèle AIWorks-EUS et les endoscopistes à différents moments pour la reconnaissance des différentes structures anatomiques normales.
|
|
Endoscopistes experts
Endoscopistes avec plus de 190 procédures EUS par an, dont 75 procédures de stadification du cancer pancréatobiliaire et des muqueuses chacune, 40 cas sous-épithéliaux ; et 50 cas d'aspiration à l'aiguille fine EUS (FNA) (dont 25 cas pancréatiques) ; suivant les recommandations de l'American Society for Gastrointestinal Endoscopy (ASGE).
|
Des vidéos préenregistrées, recadrées selon les différentes fenêtres (médiastinale, gastrique, duodénale) seront analysées par le modèle AIWorks-EUS et les endoscopistes à différents moments pour la reconnaissance des différentes structures anatomiques normales.
|
|
Endoscopistes non experts
Endoscopistes avec <190 procédures EUS par an, dont 75 procédures de stadification du cancer pancréatobiliaire et des muqueuses chacune, 40 cas sous-épithéliaux ; et 50 cas d'EUS-FNA (dont 25 cas pancréatiques) ; suivant les recommandations de l'American Society for Gastrointestinal Endoscopy (ASGE).
|
Des vidéos préenregistrées, recadrées selon les différentes fenêtres (médiastinale, gastrique, duodénale) seront analysées par le modèle AIWorks-EUS et les endoscopistes à différents moments pour la reconnaissance des différentes structures anatomiques normales.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision du diagnostic
Délai: 5 mois
|
Le vrai positif, le vrai négatif, le faux positif et le faux négatif basé sur la détection des structures anatomiques selon un endoscopiste expert externe comme référence.
|
5 mois
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Accord interobservateur
Délai: 5 mois
|
Comparaison des précisions de diagnostic entre le modèle basé sur l'intelligence artificielle (IA) et les deux groupes (endoscopistes experts et non experts) à l'aide de Fleiss Kappa.
|
5 mois
|
Collaborateurs et enquêteurs
Collaborateurs
Les enquêteurs
- Chercheur principal: Carlos Robles-Medranda, MD FASGE, Instituto Ecuatoriano de Enfermedades Digestivas (IECED)
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Estimé)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Estimé)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- IECED-12345
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .