- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT07395570
Efficacité du système CADe dans la détection des néoplasies gastriques
Efficacité du système de détection assistée par ordinateur (CADe) dans la détection des néoplasies gastriques - une étude prospective en tandem
Le cancer gastrique demeure le 5e cancer le plus fréquent dans le monde. Il se classe également au 5e rang pour la mortalité liée au cancer, causant plus de 650 000 décès par an. La survie du cancer gastrique est directement liée au stade de présentation, les cancers à un stade précoce ayant une survie significativement meilleure. Les patients atteints d'un cancer gastrique de stade I ont généralement une survie à 5 ans de plus de 90 %. En particulier, les cancers T1a confinés à la muqueuse sont susceptibles d'être réséqués par voie endoscopique, et les patients ayant subi un tel traitement présentent une excellente survie de 97,2 % à 5 ans. Ces patients non seulement survivent plus longtemps, mais conservent également une bonne qualité de vie grâce à la préservation de l'organe.
Cependant, le diagnostic du cancer gastrique à un stade précoce a toujours été difficile. Une méta-analyse de 22 études portant sur des populations orientales et occidentales a montré un taux de méconnaissance du cancer gastrique de 9,4 %. Le cancer gastrique précoce se présente généralement avec des modifications muqueuses subtiles difficiles à détecter par endoscopie, surtout pour les endoscopistes ayant une expérience limitée dans le diagnostic précoce du cancer. L'inflammation chronique de fond et la fréquence élevée de lésions non néoplasiques posent souvent des défis diagnostiques importants pour les endoscopistes afin de détecter de réelles modifications néoplasiques. Dans les pays à forte incidence comme le Japon et la Corée, la combinaison d'un programme national de dépistage et d'une bonne formation en endoscopie a facilité une proportion élevée de détection précoce du cancer gastrique. Des études antérieures ont montré une différence significative de survie entre les pays ayant un taux de détection précoce élevé et ceux ayant un taux faible.
L'intelligence artificielle est apparue comme l'une des technologies prometteuses aidant à améliorer les performances endoscopiques. De nombreuses études randomisées de haute qualité ont démontré que les systèmes d'aide à la détection par ordinateur (CADe) améliorent significativement le taux de détection des adénomes coliques lors de la coloscopie de dépistage. Le développement des systèmes CADe pour le cancer gastrique a été beaucoup plus lent que pour la détection des polypes coliques. Malgré la publication de nombreuses études rétrospectives utilisant des images endoscopiques pour différencier les lésions gastriques bénignes et malignes, très peu de systèmes complets sont disponibles pour une application clinique en temps réel. Un essai contrôlé randomisé monocentrique en Chine a démontré une amélioration du taux de méconnaissance des néoplasies gastriques de 27,3 % à 6,1 % lors de l'utilisation d'un nouveau système CADe.
Un nouveau prototype de système CADe (OIP-Ge1, Olympus Medical Corporations, Tokyo, Japon) a récemment été développé. Le système a été développé grâce à la collaboration de multiples experts dans le diagnostic précoce du cancer gastrique, collectant plus de 100 000 images endoscopiques provenant de dizaines de centres à haut volume au Japon. Il n'existe actuellement aucune donnée clinique prospective sur la performance réelle du prototype de système CADe, en particulier lorsqu'il est appliqué dans des régions où la proportion de détection précoce du cancer gastrique est faible.
Le but de cette étude est d'étudier l'utilité clinique du nouveau système CADe dans la détection des néoplasies gastriques chez les patients à haut risque.
Si l'étude actuelle confirme une différence significative dans le taux de méconnaissance des néoplasies gastriques avec le système CADe, un essai contrôlé randomisé international multicentrique est prévu pour comparer l'efficacité de la détection des néoplasies gastriques avec ou sans le système.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Type d'étude
Inscription (Estimé)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
-
Hong Kong, Hong Kong
- Department of Surgery, Faculty of Medicine, the Chinese University of Hong Kong
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
La description
Critères d'inclusion :
- Âge >= 18 ans
Considéré à haut risque de cancer gastrique, défini comme suit :
- Antécédents familiaux de cancer de l'estomac (parent au premier degré) pour le dépistage, ou
- Atrophie gastrique connue / métaplasie intestinale nécessitant une surveillance, ou
- Lésion suspecte pour une OGD diagnostique répétée, ou
- Antécédents de dysplasie gastrique / cancer gastrique précoce avec résection endoscopique pour surveillance
- Cancer gastrique précoce nouvellement diagnostiqué, bilan pour cancers synchrones
Critères d'exclusion :
- Antécédents de gastrectomie (pour toute raison, y compris maladie bénigne et maligne)
- Patient ayant refusé de participer
- Patients jugés inaptes à consentir, y compris les patients mineurs
- Grossesse
- Autres cas jugés par le médecin examinateur comme inadaptés à un traitement sûr
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Traitement
- Répartition: N / A
- Modèle interventionnel: Affectation à un seul groupe
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Groupe Système CADe
Pendant l'intervention, l'estomac serait examiné avec l'assistance du système CADe par l'endoscopiste.
|
L'endoscopie serait réalisée à l'aide d'un système de traitement vidéo standardisé (EVIS-X1 CV-1500, Olympus Medical Corporations, Tokyo, Japon) et d'un gastroscope (GIF-EZ1500, GIF-XZ1200).
Un capuchon noir souple (MAJ-1989) serait fixé à l'extrémité distale de l'endoscope.
Le système de traitement vidéo serait connecté à l'OIP-Ge1 (Olympus Medical Corporations, Tokyo, Japon), le nouveau système CADe, permettant une détection simultanée de lésions assistée par intelligence artificielle, lorsqu'il est activé en utilisant l'imagerie en lumière blanche conventionnelle (WLI).
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Proportion de patients avec des néoplasies gastriques manquées lors de la première endoscopie sans système d'aide au diagnostic par ordinateur (CADe)
Délai: 1 jour
|
Nombre de patients chez lesquels au moins une néoplasie gastrique confirmée histologiquement (Vienne III-V) n'est pas identifiée lors de la première endoscopie sans CADe, mais est identifiée lors de la deuxième endoscopie avec CADe, divisé par le nombre total de patients subissant les deux examens (unité : %). Taux de manquement (%) = [Nombre de patients avec ≥1 néoplasie détectée uniquement lors de la 2ᵉ endoscopie avec CADe] ÷ [Nombre total de patients subissant les 1ʳᵉ et 2ᵉ endoscopies] × 100.
|
1 jour
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Taux de détection des néoplasies gastriques lors de la deuxième endoscopie avec le système CADe
Délai: 1 jour
|
Les lésions suspectes détectées apparaîtraient sous forme de boîte verte sur le moniteur vidéo principal.
L'apparition constante de la boîte verte pendant plus de 2 secondes sur la même zone cible serait considérée comme une lésion détectée positivement par le système CADe.
Le taux de détection des néoplasies gastriques est défini comme le taux de détection des néoplasies gastriques lors du 2e examen endoscopique avec l'assistance du système CADe.
(unité : %) Taux de détection (%) = [Nombre de patients avec ≥1 néoplasie détectée lors du 2e endoscopie avec CADe] ÷ [Nombre total de patients subissant le 2e endoscopie avec CADe] × 100.
|
1 jour
|
|
Temps de détection de chaque néoplasie gastrique avec le système CADe
Délai: 1 jour
|
Temps en secondes entre l'apparition de la boîte verte et l'identification stable d'une lésion néoplasique confirmée histologiquement (Vienne III-V), enregistré automatiquement par le système CADe ou par une revue vidéo horodatée.
(unité : seconde)
|
1 jour
|
|
Taux de détection des lésions gastriques non néoplasiques avec le système CADe
Délai: 1 jour
|
Nombre de patients chez lesquels au moins une lésion non néoplasique identifiée par endoscopie est détectée pendant l'examen assisté par CADe divisé par le nombre total de patients subissant un examen assisté par CADe (unité : %). Taux de détection (%) = [Nombre de patients avec ≥1 lésion gastrique non néoplasique détectée] ÷ [Nombre total de patients examinés] × 100. |
1 jour
|
|
Taux de manque de détection de néoplasie gastrique avec le système CADe
Délai: 1 jour
|
Nombre de patients chez qui au moins une néoplasie gastrique confirmée histologiquement est visible sur la vidéo enregistrée de la deuxième endoscopie (lors de la revue rétrospective par un expert) mais n'est pas détectée par le CADe (aucune boîte stable ≥2 secondes), divisé par le nombre total de patients présentant une néoplasie gastrique lors de cette deuxième examination (unité : %). Taux de manquement (%) = [Nombre de patients avec ≥1 lésion néoplasique visible sur vidéo mais non détectée par CADe] ÷ [Nombre total de patients avec néoplasie gastrique lors de la 2ème endoscopie] × 100. |
1 jour
|
|
Durée totale de la procédure pour l'endoscopie de dépistage
Délai: 1 jour
|
Temps en minutes entre l'insertion et le retrait de l'endoscope, incluant le premier examen sans CADe et le second examen avec CADe, mesuré à l'aide des horodatages de l'unité d'endoscopie.
(unité : minute)
|
1 jour
|
|
Nombre moyen de lésions détectées par endoscopie (néoplasiques et non néoplasiques)
Délai: 1 jour
|
Nombre total de lésions (néoplasiques et non néoplasiques) détectées lors de chaque examen (premier sans CADe, deuxième avec CADe), divisé par le nombre de procédures, rapporté en moyenne ± écart-type par procédure. Moyenne de lésions par procédure = [Nombre total de lésions détectées dans toutes les procédures] ÷ [Nombre total de procédures]. |
1 jour
|
|
Enregistrement vidéo
Délai: 1 jour
|
Système de capture vidéo haute définition numérique intégré à la tour d'endoscopie, résumé en pourcentage de procédures avec des enregistrements complets et analysables.
(unité : oui/non, %) Proportion avec enregistrement complet (%) = [Nombre de procédures avec vidéo complète adéquate pour l'examen] ÷ [Nombre total de procédures] × 100.
|
1 jour
|
Collaborateurs et enquêteurs
Parrainer
Publications et liens utiles
Publications générales
- Yao K. The endoscopic diagnosis of early gastric cancer. Ann Gastroenterol. 2013;26(1):11-22.
- Allemani C, Matsuda T, Di Carlo V, Harewood R, Matz M, Niksic M, Bonaventure A, Valkov M, Johnson CJ, Esteve J, Ogunbiyi OJ, Azevedo E Silva G, Chen WQ, Eser S, Engholm G, Stiller CA, Monnereau A, Woods RR, Visser O, Lim GH, Aitken J, Weir HK, Coleman MP; CONCORD Working Group. Global surveillance of trends in cancer survival 2000-14 (CONCORD-3): analysis of individual records for 37 513 025 patients diagnosed with one of 18 cancers from 322 population-based registries in 71 countries. Lancet. 2018 Mar 17;391(10125):1023-1075. doi: 10.1016/S0140-6736(17)33326-3. Epub 2018 Jan 31.
- Bray F, Laversanne M, Sung H, Ferlay J, Siegel RL, Soerjomataram I, Jemal A. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024 May-Jun;74(3):229-263. doi: 10.3322/caac.21834. Epub 2024 Apr 4.
- Hasuike N, Ono H, Boku N, Mizusawa J, Takizawa K, Fukuda H, Oda I, Doyama H, Kaneko K, Hori S, Iishi H, Kurokawa Y, Muto M; Gastrointestinal Endoscopy Group of Japan Clinical Oncology Group (JCOG-GIESG). A non-randomized confirmatory trial of an expanded indication for endoscopic submucosal dissection for intestinal-type gastric cancer (cT1a): the Japan Clinical Oncology Group study (JCOG0607). Gastric Cancer. 2018 Jan;21(1):114-123. doi: 10.1007/s10120-017-0704-y. Epub 2017 Feb 21.
- Pimenta-Melo AR, Monteiro-Soares M, Libanio D, Dinis-Ribeiro M. Missing rate for gastric cancer during upper gastrointestinal endoscopy: a systematic review and meta-analysis. Eur J Gastroenterol Hepatol. 2016 Sep;28(9):1041-9. doi: 10.1097/MEG.0000000000000657.
- Huang RJ, Koh H, Hwang JH; Summit Leaders. A Summary of the 2020 Gastric Cancer Summit at Stanford University. Gastroenterology. 2020 Oct;159(4):1221-1226. doi: 10.1053/j.gastro.2020.05.100. Epub 2020 Jul 21.
- Desai M, Ausk K, Brannan D, Chhabra R, Chan W, Chiorean M, Gross SA, Girotra M, Haber G, Hogan RB, Jacob B, Jonnalagadda S, Iles-Shih L, Kumar N, Law J, Lee L, Lin O, Mizrahi M, Pacheco P, Parasa S, Phan J, Reeves V, Sethi A, Snell D, Underwood J, Venu N, Visrodia K, Wong A, Winn J, Wright CH, Sharma P. Use of a Novel Artificial Intelligence System Leads to the Detection of Significantly Higher Number of Adenomas During Screening and Surveillance Colonoscopy: Results From a Large, Prospective, US Multicenter, Randomized Clinical Trial. Am J Gastroenterol. 2024 Jul 1;119(7):1383-1391. doi: 10.14309/ajg.0000000000002664. Epub 2024 Jan 18.
- Gong D, Wu L, Zhang J, Mu G, Shen L, Liu J, Wang Z, Zhou W, An P, Huang X, Jiang X, Li Y, Wan X, Hu S, Chen Y, Hu X, Xu Y, Zhu X, Li S, Yao L, He X, Chen D, Huang L, Wei X, Wang X, Yu H. Detection of colorectal adenomas with a real-time computer-aided system (ENDOANGEL): a randomised controlled study. Lancet Gastroenterol Hepatol. 2020 Apr;5(4):352-361. doi: 10.1016/S2468-1253(19)30413-3. Epub 2020 Jan 22.
- Lau LHS, Ho JCL, Lai JCT, Ho AHY, Wu CWK, Lo VWH, Lai CMS, Scheppach MW, Sia F, Ho KHK, Xiao X, Yip TCF, Lam TYT, Kwok HYH, Chan HCH, Lui RN, Chan TT, Wong MTL, Ho MF, Ko RCW, Hon SF, Chu S, Futaba K, Ng SSM, Yip HC, Tang RSY, Wong VWS, Chan FKL, Chiu PWY; ENDOAID-TRAIN study group. Effect of Real-Time Computer-Aided Polyp Detection System (ENDO-AID) on Adenoma Detection in Endoscopists-in-Training: A Randomized Trial. Clin Gastroenterol Hepatol. 2024 Mar;22(3):630-641.e4. doi: 10.1016/j.cgh.2023.10.019. Epub 2023 Nov 2.
- Seager A, Sharp L, Neilson LJ, Brand A, Hampton JS, Lee TJW, Evans R, Vale L, Whelpton J, Bestwick N, Rees CJ; COLO-DETECT trial team. Polyp detection with colonoscopy assisted by the GI Genius artificial intelligence endoscopy module compared with standard colonoscopy in routine colonoscopy practice (COLO-DETECT): a multicentre, open-label, parallel-arm, pragmatic randomised controlled trial. Lancet Gastroenterol Hepatol. 2024 Oct;9(10):911-923. doi: 10.1016/S2468-1253(24)00161-4. Epub 2024 Aug 14.
- Ochiai K, Ozawa T, Shibata J, Ishihara S, Tada T. Current Status of Artificial Intelligence-Based Computer-Assisted Diagnosis Systems for Gastric Cancer in Endoscopy. Diagnostics (Basel). 2022 Dec 13;12(12):3153. doi: 10.3390/diagnostics12123153.
- Wu L, Shang R, Sharma P, Zhou W, Liu J, Yao L, Dong Z, Yuan J, Zeng Z, Yu Y, He C, Xiong Q, Li Y, Deng Y, Cao Z, Huang C, Zhou R, Li H, Hu G, Chen Y, Wang Y, He X, Zhu Y, Yu H. Effect of a deep learning-based system on the miss rate of gastric neoplasms during upper gastrointestinal endoscopy: a single-centre, tandem, randomised controlled trial. Lancet Gastroenterol Hepatol. 2021 Sep;6(9):700-708. doi: 10.1016/S2468-1253(21)00216-8. Epub 2021 Jul 21.
- Muto M, Yao K, Kaise M, Kato M, Uedo N, Yagi K, Tajiri H. Magnifying endoscopy simple diagnostic algorithm for early gastric cancer (MESDA-G). Dig Endosc. 2016 May;28(4):379-393. doi: 10.1111/den.12638. Epub 2016 Apr 22.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
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
Mots clés
Autres numéros d'identification d'étude
- CRE-2025.465
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 .