Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Prise en charge des lésions kystiques pancréatiques utilisant l'intelligence artificielle basée sur l'échoendoscopie et des données multimodales

5 mars 2026 mis à jour par: Bin Cheng, Huazhong University of Science and Technology

Un modèle d'intelligence artificielle multimodal pour le diagnostic de sous-typage et la prise en charge clinique des lésions kystiques pancréatiques basé sur l'échographie endoscopique et les informations cliniques

L'objectif principal est de construire un modèle d'IA multimodal (Cyst-AI) basé sur des images EUS et des données cliniques telles que les caractéristiques d'imagerie (scanner ou IRM) et les tests de laboratoire pour aider les endoscopistes dans le diagnostic des lésions kystiques pancréatiques (LKP), principalement en différenciant les lésions mucineuses des lésions non mucineuses.

L'objectif secondaire est d'évaluer l'efficacité du modèle dans la stratification du risque et la prise en charge clinique des patients atteints de LKP.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Description détaillée

Avec le développement de la technologie d'imagerie médicale, le taux de détection des lésions kystiques pancréatiques (LKP) a augmenté de manière notable. Bien que la plupart des kystes soient bénins, une proportion considérable présente un potentiel de transformation maligne. La prise en charge clinique repose sur le diagnostic et la stratification des risques. Pour les LKP, un diagnostic différent et une stratification des risques différents conduisent à des stratégies et résultats cliniques totalement différents, qui sont étroitement liés à la qualité de vie, à la charge économique et au stress psychologique des patients. L'échographie endoscopique (EE) a joué un rôle crucial dans le diagnostic différentiel plus poussé des LKP. L'intelligence artificielle (IA) a également montré un grand potentiel dans le diagnostic et la prise en charge cliniques. Ainsi, nous prévoyons de collecter rétrospectivement les données d'imagerie EE des patients, les examens radiologiques et de laboratoire, ainsi que d'autres informations cliniques pour construire un modèle nommé Cyst-AI qui intègre les fonctions de diagnostic et de prise en charge clinique, afin d'aider à la prise de décision clinique.

Type d'étude

Observationnel

Inscription (Estimé)

500

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Lieux d'étude

  • Chine
    • Hubei
      • Wuhan, Hubei, Chine, 430030
        • Recrutement
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Contact:
      • Wuhan, Hubei, Chine, 430030
        • Pas encore de recrutement
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Contact:

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

La cohorte sera sélectionnée dans plusieurs hôpitaux en Chine, dont l'hôpital Tongji, le Tongji Medical College, HUST.

La description

Critères d'inclusion :

  • Patients dont les résultats de l'écho-endoscopie (EUS) indiquent des lésions kystiques ou cystoïdes pancréatiques ;
  • Lésions mucineuses : incluant le néoplasme kystique mucineux (MCN), le néoplasme papillaire mucineux intra-canalaire (IPMN) ;
  • Lésions non mucineuses : incluant le pseudokyste pancréatique, le néoplasme kystique séreux (SCN), la tumeur neuroendocrine kystique (cNET).

Critères d'exclusion :

  • Patients âgés de moins de 18 ans ;
  • Patients ayant subi une chirurgie pancréatique avant l'examen EUS ;
  • Patients ayant reçu une chimiothérapie et une radiothérapie pour des tumeurs pancréatiques avant l'examen EUS ;
  • Les résultats anatomopathologiques indiquent que les lésions pancréatiques sont des métastases d'autres sites ;
  • Patients dont les images ou rapports EUS sont manquants ;
  • La qualité de l'image EUS ne répond pas aux exigences de révision, comme une imagerie floue ou contenant des artefacts, des aiguilles de biopsie, des échelles de mesure, ou d'autres annotations supplémentaires qui ne font pas partie de l'image EUS originale ;
  • Patients dont le diagnostic final n'est pas clair.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Cyst-EUS
Les patients avant 2026 avec des images EUS de lésions kystiques pancréatiques ou de lésions de matériel kystoïde ont été inclus dans cette cohorte.
Test diagnostique: Modèle Cyst-AI
Les données collectées dans le cadre multicentrique seront divisées en un ensemble d'entraînement, un ensemble de validation et un ensemble de test pour développer et tester le modèle cyst-AI.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
La performance du modèle diagnostique dans la différenciation des kystes pancréatiques mucineux et non mucineux
Délai: Dans les 3 mois suivant l'achèvement de la formation du modèle diagnostique.
Les performances du modèle diagnostique Cyst-AI seront évaluées en utilisant l'aire sous la courbe ROC (AUC-ROC), avec la sensibilité, la spécificité, l'exactitude, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) calculées à partir des prédictions du modèle sur le jeu de données de validation indépendant. LCP : lésions kystiques pancréatiques.
Dans les 3 mois suivant l'achèvement de la formation du modèle diagnostique.
Les performances de stratification du risque du modèle de prise en charge clinique pour les PCL mucineuses
Délai: Dans les 3 mois suivant l'achèvement de la formation du modèle de stratification des risques.
La performance du modèle de stratification des risques Cyst-AI pour classer correctement les lésions en « faible risque », « risque intermédiaire » et « risque élevé » sera évaluée à l'aide de l'aire sous la courbe caractéristique de fonctionnement du récepteur (AUC-ROC), avec la sensibilité, la spécificité, l'exactitude, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) calculées à partir des prédictions du modèle sur l'ensemble de données de validation indépendant. PCLs : lésions kystiques pancréatiques.
Dans les 3 mois suivant l'achèvement de la formation du modèle de stratification des risques.

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
La performance du modèle de diagnostic dans la différenciation de types spécifiques de PCLs
Délai: Dans les 3 mois suivant l'achèvement de l'entraînement du modèle de diagnostic.
Les performances du modèle de diagnostic Cyst-AI seront évaluées en utilisant l'aire sous la courbe ROC (AUC-ROC), avec la sensibilité, la spécificité, l'exactitude, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) calculées à partir des prédictions du modèle sur l'ensemble de données de validation indépendant. PCLs : lésions kystiques du pancréas.
Dans les 3 mois suivant l'achèvement de l'entraînement du modèle de diagnostic.
La performance de la gestion clinique du modèle de gestion clinique pour les PCL mucineuses
Délai: Dans les 3 mois suivant l'achèvement de la formation au modèle de gestion clinique.
Les performances du modèle de prise en charge clinique Cyst-AI pour fournir des recommandations cliniques précises seront évaluées à l'aide de l'aire sous la courbe ROC (AUC-ROC), avec la sensibilité, la spécificité, la précision, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) calculées à partir des prédictions du modèle sur l'ensemble de validation indépendant. PCLs : lésions kystiques pancréatiques.
Dans les 3 mois suivant l'achèvement de la formation au modèle de gestion clinique.
Les performances du modèle pour assister les endoscopistes de différents niveaux dans le diagnostic et la prise en charge des PCL
Délai: Dans un délai de 1 mois après la fin de l'étude croisée de confrontation homme-machine
La performance du modèle Cyst-AI pour assister les endoscopistes sera évaluée à l'aide de l'aire sous la courbe ROC (AUC-ROC), avec la sensibilité, la spécificité, l'exactitude, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) calculées à partir des prédictions du modèle sur le jeu de données de validation indépendant. Lésions kystiques pancréatiques : lésions kystiques du pancréas.
Dans un délai de 1 mois après la fin de l'étude croisée de confrontation homme-machine
L'impact du modèle sur le processus décisionnel des endoscopistes
Délai: Dans un délai d'un mois suivant la fin de l'étude croisée de confrontation homme-machine.
Le questionnaire pour les endoscopistes après l'évaluation sera utilisé pour évaluer le degré d'impact.
Dans un délai d'un mois suivant la fin de l'étude croisée de confrontation homme-machine.

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Huazhong University of Science and Technology

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

1 janvier 2025

Achèvement primaire (Estimé)

1 avril 2026

Achèvement de l'étude (Estimé)

1 juin 2026

Dates d'inscription aux études

Première soumission

9 décembre 2025

Première soumission répondant aux critères de contrôle qualité

5 mars 2026

Première publication (Réel)

11 mars 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

11 mars 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

5 mars 2026

Dernière vérification

1 mars 2026

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • Cyst-AI 2024

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

S'abonner