- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06773832
L'IA pour prédire la pathologie des polypes et la classification endoscopique
L'intelligence artificielle prédit la pathologie et la classification endoscopique des polypes colorectaux pendant la coloscopie
Aperçu de l'étude
Statut
Les conditions
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Wenmo Hu, MD
- Numéro de téléphone: 86+15101581963
- E-mail: huwenmo1995@126.com
Lieux d'étude
-
-
-
Beijing, Chine, 100730
- Recrutement
- Peking Union Medical College Hospital
-
Contact:
- Wenmo Hu, MD
- Numéro de téléphone: 86+15101581963
- E-mail: huwenmo1995@126.com
-
Contact:
- Wenmo Hu, MD
-
-
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
Critères d'intégration :
- Patients ambulatoires ou hospitalisés subissant un dépistage de routine par coloscopie dans les centres d'endoscopie des hôpitaux multicentriques ;
- Âgé de 18 ans ou plus ;
- Avoir compris le contenu de l'étude et avoir signé le formulaire de consentement éclairé.
Critères d'exclusion :
- Gastroparésie ou obstruction du canal gastrique ;
- Obstruction ou perforation intestinale connue ou suspectée ;
- Insuffisance rénale chronique sévère (clairance de la créatinine inférieure à 30 ml/minute) ;
- Insuffisance cardiaque congestive sévère (classe III ou IV de la New York Heart Association) ;
- Actuellement enceinte ou allaitante ;
- Colite toxique ou mégacôlon ;
- Hypertension mal contrôlée (pression artérielle systolique supérieure à 180 mmHg et/ou pression artérielle diastolique supérieure à 100 mmHg) ;
- Saignement gastro-intestinal actif modéré ou massif (> 100 ml/jour) ;
- Maladie psychiatrique ou psychologique importante ;
- Allergie aux médicaments utilisés pour la préparation intestinale ;
- Patients ayant subi une chirurgie colorectale.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Patients âgés de 18 ans ou plus subissant un dépistage de routine par coloscopie
|
Lors de la phase de développement du modèle d’IA, l’objectif est d’inclure autant d’échantillons que possible. Compte tenu de l'accent mis sur l'exactitude diagnostique des lésions dentelées, nous avons collecté rétrospectivement environ 400 cas de lésions dentelées avec diagnostic pathologique par le département de pathologie du Peking Union Medical College Hospital à ce jour. De plus, nous avons comparé 400 cas chacun de polypes hyperplasiques, d'adénomes conventionnels et de cancer colorectal à un stade précoce, totalisant environ 1 600 cas. Le modèle utilise des algorithmes de classification d'IA traditionnels pour construire le modèle et comparer les performances prédictives de différents modèles. En utilisant l'ensemble de données établi lors de la première phase, qui contient des images statiques de lésions polypes ainsi que leur diagnostic pathologique et leurs classifications endoscopiques correspondantes, nous avons développé et optimisé le modèle d'IA. Ensuite, le modèle sera comparé aux endoscopistes d'une cohorte prospective pour étudier l'efficacité. |
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision du diagnostic optique des polypes colorectaux
Délai: 2 ans
|
La précision du diagnostic optique du modèle d'IA est comparée à celle des endoscopistes, le diagnostic pathologique servant de référence.
|
2 ans
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Autres paramètres d'évaluation du diagnostic optique
Délai: 2 ans
|
Y compris la sensibilité, la spécificité, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) du diagnostic optique
|
2 ans
|
|
Précision dans la détermination de la classification endoscopique des polypes colorectaux
Délai: 2 ans
|
En utilisant le jugement de classification endoscopique d'endoscopistes expérimentés comme référence, l'étude examine l'exactitude du modèle d'IA pour déterminer la classification endoscopique des lésions.
Les classifications endoscopiques incluent Pit Pattern, CP, NICE, JNET, WASP et MS.
|
2 ans
|
|
Autres paramètres d'évaluation pour déterminer la classification endoscopique
Délai: 2 ans
|
La sensibilité, la spécificité, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) du modèle d'IA pour déterminer la classification endoscopique des polypes colorectaux
|
2 ans
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Dong Wu, MD, Peking Union Medical College Hospital
Publications et liens utiles
Publications générales
- IJspeert JE, Bastiaansen BA, van Leerdam ME, Meijer GA, van Eeden S, Sanduleanu S, Schoon EJ, Bisseling TM, Spaander MC, van Lelyveld N, Bargeman M, Wang J, Dekker E; Dutch Workgroup serrAted polypS & Polyposis (WASP). Development and validation of the WASP classification system for optical diagnosis of adenomas, hyperplastic polyps and sessile serrated adenomas/polyps. Gut. 2016 Jun;65(6):963-70. doi: 10.1136/gutjnl-2014-308411. Epub 2015 Mar 9.
- van der Zander QEW, Schreuder RM, Fonolla R, Scheeve T, van der Sommen F, Winkens B, Aepli P, Hayee B, Pischel AB, Stefanovic M, Subramaniam S, Bhandari P, de With PHN, Masclee AAM, Schoon EJ. Optical diagnosis of colorectal polyp images using a newly developed computer-aided diagnosis system (CADx) compared with intuitive optical diagnosis. Endoscopy. 2021 Dec;53(12):1219-1226. doi: 10.1055/a-1343-1597. Epub 2021 Mar 10.
- Zachariah R, Samarasena J, Luba D, Duh E, Dao T, Requa J, Ninh A, Karnes W. Prediction of Polyp Pathology Using Convolutional Neural Networks Achieves "Resect and Discard" Thresholds. Am J Gastroenterol. 2020 Jan;115(1):138-144. doi: 10.14309/ajg.0000000000000429.
- Singh R, Jayanna M, Navadgi S, Ruszkiewicz A, Saito Y, Uedo N. Narrow-band imaging with dual focus magnification in differentiating colorectal neoplasia. Dig Endosc. 2013 May;25 Suppl 2:16-20. doi: 10.1111/den.12075.
- Rees CJ, Rajasekhar PT, Wilson A, Close H, Rutter MD, Saunders BP, East JE, Maier R, Moorghen M, Muhammad U, Hancock H, Jayaprakash A, MacDonald C, Ramadas A, Dhar A, Mason JM. Narrow band imaging optical diagnosis of small colorectal polyps in routine clinical practice: the Detect Inspect Characterise Resect and Discard 2 (DISCARD 2) study. Gut. 2017 May;66(5):887-895. doi: 10.1136/gutjnl-2015-310584. Epub 2016 Apr 19.
- ASGE Technology Committee; Abu Dayyeh BK, Thosani N, Konda V, Wallace MB, Rex DK, Chauhan SS, Hwang JH, Komanduri S, Manfredi M, Maple JT, Murad FM, Siddiqui UD, Banerjee S. ASGE Technology Committee systematic review and meta-analysis assessing the ASGE PIVI thresholds for adopting real-time endoscopic assessment of the histology of diminutive colorectal polyps. Gastrointest Endosc. 2015 Mar;81(3):502.e1-502.e16. doi: 10.1016/j.gie.2014.12.022. Epub 2015 Jan 16.
- Tanaka S, Sano Y. Aim to unify the narrow band imaging (NBI) magnifying classification for colorectal tumors: current status in Japan from a summary of the consensus symposium in the 79th Annual Meeting of the Japan Gastroenterological Endoscopy Society. Dig Endosc. 2011 May;23 Suppl 1:131-9. doi: 10.1111/j.1443-1661.2011.01106.x.
- Axelrad AM, Fleischer DE, Geller AJ, Nguyen CC, Lewis JH, Al-Kawas FH, Avigan MI, Montgomery EA, Benjamin SB. High-resolution chromoendoscopy for the diagnosis of diminutive colon polyps: implications for colon cancer screening. Gastroenterology. 1996 Apr;110(4):1253-8. doi: 10.1053/gast.1996.v110.pm8613016.
- Mori Y, Kudo SE, East JE, Rastogi A, Bretthauer M, Misawa M, Sekiguchi M, Matsuda T, Saito Y, Ikematsu H, Hotta K, Ohtsuka K, Kudo T, Mori K. Cost savings in colonoscopy with artificial intelligence-aided polyp diagnosis: an add-on analysis of a clinical trial (with video). Gastrointest Endosc. 2020 Oct;92(4):905-911.e1. doi: 10.1016/j.gie.2020.03.3759. Epub 2020 Mar 30.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- K7281
- BRWEP2024W034010100 (Autre subvention/numéro de financement: Excellence in Clinical Research Program for Research Wards of Beijing)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Critères d'accès au partage IPD
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
produit fabriqué et exporté des États-Unis.
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 .