Un système d'intelligence artificielle pour le diagnostic multimodal et multiclasse des lésions kystiques pancréatiques basé sur l'écho-endoscopie
2 septembre 2026 mis à jour par: Qilu Hospital of Shandong University
L'objectif de cette étude est de développer et valider un système d'intelligence artificielle nommé iEUS-PCL (système intelligent d'échographie endoscopique - lésions kystiques pancréatiques) pour la détection et le diagnostic multimodal multi-classe des lésions kystiques pancréatiques (PCL) lors d'un examen d'échographie endoscopique (EUS).
Aperçu de l'étude
Statut
Recrutement
Les conditions
Intervention / Traitement
Description détaillée
Cette étude de cohorte prospective multicentrique vise à développer et valider un système d'intelligence artificielle multimodal nommé iEUS-PCL pour la détection et le diagnostic différentiel des PCL.
Le modèle a été développé sur la base d'images EUS collectées rétrospectivement, de caractéristiques EUS, de données cliniques et de caractéristiques d'imagerie radiologique de patients ayant subi un examen EUS.
La performance diagnostique de l'iEUS-PCL sera évaluée prospectivement en temps réel sur des vidéos EUS et comparée aux performances des endosonographistes.
Type d'étude
Observationnel
Inscription (Estimé)
176
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
- Nom: Zhen Li
- Numéro de téléphone: 86+18560086106
- E-mail: qilulizhen@sdu.edu.cn
Lieux d'étude
-
-
Shandong
-
Jinan, Shandong, Chine, 250012
- Recrutement
- Qilu Hospital of Shandong University
-
Contact:
- Zhen Li, doctor
- Numéro de téléphone: 86+18560086106
- E-mail: qilulizhen@sdu.edu.cn
-
-
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
Patients adultes présentant des lésions kystiques pancréatiques suspectes subissant une échoendoscopie (EUS).
La description
Critères d'inclusion :
- 1. Patients âgés de ≥18 ans programmés pour une écho-endoscopie (EUS) avec suspicion de lésions kystiques pancréatiques basée sur des symptômes cliniques, des antécédents médicaux, des tests de laboratoire ou des examens radiologiques, et qui acceptent de participer à la recherche et signent volontairement le consentement éclairé.
2. Patients sans antécédent de traitement pour des lésions pancréatiques.
Critères d'exclusion :
- 1. Patients présentant des contre-indications absolues à l'examen par écho-endoscopie.
2. Grossesse ou allaitement.
3. Coagulopathie non corrigeable (TPT>50 secondes ou INR>1,5) et/ou thrombocytopénie non corrigeable (numération plaquettaire<50×10⁹/L).
4. Obstruction gastro-intestinale supérieure.
5. Patients ayant subi un traitement chirurgical ou des altérations anatomiques du pancréas en raison de lésions dans d'autres organes thoraciques et/ou abdominaux, ainsi que les patients présentant des anomalies anatomiques congénitales.
6. Patients ayant bénéficié de la mise en place d'une endoprothèse biliaire/pancréatique.
7. Patients refusant de signer le consentement éclairé.
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 |
|---|---|
|
Patients subissant une EUS
Les patients âgés de ≥18 ans référés pour une EUS avec des lésions kystiques pancréatiques suspectées sur la base des symptômes cliniques, des antécédents médicaux, des tests de laboratoire ou des examens radiologiques sont éligibles sous réserve d'accord pour participer à la recherche et de la signature volontaire du consentement éclairé.
|
L'iEUS-PCL détectera automatiquement les lésions kystiques pancréatiques et intégrera les images EUS des patients, les caractéristiques EUS, les données cliniques et les caractéristiques d'imagerie radiologique pour effectuer trois tâches de classification :
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
La précision de l'iEUS-PCL pour les lésions kystiques pancréatiques
Délai: Pendant l'intervention
|
Le critère d'évaluation principal de l'étude est d'évaluer la précision de l'iEUS-PCL dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
|
La sensibilité de l'iEUS-PCL pour les lésions kystiques pancréatiques
Délai: Pendant l'intervention
|
Le critère d'évaluation principal de l'étude est d'évaluer la sensibilité de l'iEUS-PCL dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
|
La spécificité de l'iEUS-PCL pour les lésions kystiques pancréatiques
Délai: Pendant l'intervention
|
Le critère d'évaluation principal de l'étude est d'évaluer la spécificité de l'iEUS-PCL dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
|
La valeur prédictive positive de l'iEUS-PCL pour les lésions kystiques pancréatiques
Délai: Pendant l'intervention
|
Le critère d'évaluation principal de l'étude est d'évaluer la valeur prédictive positive de l'iEUS-PCL dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
|
La valeur prédictive négative de l'iEUS-PCL pour les lésions kystiques pancréatiques
Délai: Pendant l'intervention
|
Le critère d’évaluation principal de l’étude est d’évaluer la valeur prédictive négative de l’iEUS-PCL dans l’identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Comparaison de la précision entre iEUS-PCL et les endosonographistes
Délai: Pendant l'intervention
|
Le critère d'évaluation secondaire de l'étude est de comparer la précision entre l'iEUS-PCL et les échographistes de différents niveaux dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
|
Comparaison de la sensibilité entre iEUS-PCL et les endosonographistes
Délai: Pendant l'intervention
|
Le critère d'évaluation secondaire de l'étude consiste à comparer la sensibilité entre l'iEUS-PCL et les endosonographistes de différents niveaux dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
|
Comparaison de la spécificité entre l'iEUS-PCL et les échographistes endoscopiques
Délai: Pendant la procédure
|
Le critère d'évaluation secondaire de l'étude est de comparer la spécificité entre l'iEUS-PCL et les échoendoscopistes de différents niveaux dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant la procédure
|
|
Comparaison de la valeur prédictive positive entre l'iEUS-PCL et les endosonographistes
Délai: Pendant l'intervention
|
Le critère d'évaluation secondaire de l'étude est de comparer la valeur prédictive positive entre l'iEUS-PCL et les différents niveaux d'endosonographistes dans l'identification des lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant l'intervention
|
|
Comparaison de la valeur prédictive négative entre l'iEUS-PCL et les endosonographistes
Délai: Pendant la procédure
|
Le critère d'évaluation secondaire de l'étude est de comparer la valeur prédictive négative entre l'iEUS-PCL et les endosonographistes de différents niveaux pour identifier les lésions kystiques pancréatiques (bénignes/malignes ; mucineuses/non mucineuses ; 4 catégories).
|
Pendant la procédure
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- Wu HL, Yao LW, Shi HY, Wu LL, Li X, Zhang CX, Chen BR, Zhang J, Tan W, Cui N, Zhou W, Zhang JX, Xiao B, Gong RR, Ding Z, Yu HG. Validation of a real-time biliopancreatic endoscopic ultrasonography analytical device in China: a prospective, single-centre, randomised, controlled trial. Lancet Digit Health. 2023 Nov;5(11):e812-e820. doi: 10.1016/S2589-7500(23)00160-7. Epub 2023 Sep 27.
- Tian S, Shi H, Chen W, Li S, Han C, Du F, Wang W, Wen H, Lei Y, Deng L, Tang J, Zhang J, Lin J, Shi L, Ning B, Zhao K, Miao J, Wang G, Hou H, Huang X, Kong W, Jin X, Ding Z, Lin R. Artificial intelligence-based diagnosis of standard endoscopic ultrasonography scanning sites in the biliopancreatic system: a multicenter retrospective study. Int J Surg. 2024 Mar 1;110(3):1637-1644. doi: 10.1097/JS9.0000000000000995.
- Lipkova J, Chen RJ, Chen B, Lu MY, Barbieri M, Shao D, Vaidya AJ, Chen C, Zhuang L, Williamson DFK, Shaban M, Chen TY, Mahmood F. Artificial intelligence for multimodal data integration in oncology. Cancer Cell. 2022 Oct 10;40(10):1095-1110. doi: 10.1016/j.ccell.2022.09.012.
- Schulz D, Heilmaier M, Phillip V, Treiber M, Mayr U, Lahmer T, Mueller J, Demir IE, Friess H, Reichert M, Schmid RM, Abdelhafez M. Accurate prediction of histological grading of intraductal papillary mucinous neoplasia using deep learning. Endoscopy. 2023 May;55(5):415-422. doi: 10.1055/a-1971-1274. Epub 2022 Nov 2.
- Kuwahara T, Hara K, Mizuno N, Okuno N, Matsumoto S, Obata M, Kurita Y, Koda H, Toriyama K, Onishi S, Ishihara M, Tanaka T, Tajika M, Niwa Y. Usefulness of Deep Learning Analysis for the Diagnosis of Malignancy in Intraductal Papillary Mucinous Neoplasms of the Pancreas. Clin Transl Gastroenterol. 2019 May 22;10(5):1-8. doi: 10.14309/ctg.0000000000000045.
- Nguon LS, Seo K, Lim JH, Song TJ, Cho SH, Park JS, Park S. Deep Learning-Based Differentiation between Mucinous Cystic Neoplasm and Serous Cystic Neoplasm in the Pancreas Using Endoscopic Ultrasonography. Diagnostics (Basel). 2021 Jun 8;11(6):1052. doi: 10.3390/diagnostics11061052.
- Vilas-Boas F, Ribeiro T, Afonso J, Cardoso H, Lopes S, Moutinho-Ribeiro P, Ferreira J, Mascarenhas-Saraiva M, Macedo G. Deep Learning for Automatic Differentiation of Mucinous versus Non-Mucinous Pancreatic Cystic Lesions: A Pilot Study. Diagnostics (Basel). 2022 Aug 24;12(9):2041. doi: 10.3390/diagnostics12092041.
- Gheorghiu MI, Seicean A, Pojoga C, Hagiu C, Seicean R, Sparchez Z. Contrast-enhanced guided endoscopic ultrasound procedures. World J Gastroenterol. 2024 May 7;30(17):2311-2320. doi: 10.3748/wjg.v30.i17.2311.
- Huang W, Xu Y, Li Z, Li J, Chen Q, Huang Q, Wu Y, Chen H. Enhancing noninvasive pancreatic cystic neoplasm diagnosis with multimodal machine learning. Sci Rep. 2025 May 12;15(1):16398. doi: 10.1038/s41598-025-01502-4.
- Hwang J, Kim YK, Min JH, Jeong WK, Hong SS, Kim HJ. Comparison between MRI with MR cholangiopancreatography and endoscopic ultrasonography for differentiating malignant from benign mucinous neoplasms of the pancreas. Eur Radiol. 2018 Jan;28(1):179-187. doi: 10.1007/s00330-017-4926-5. Epub 2017 Aug 4.
- Jiang J, Chao WL, Cao T, Culp S, Napoleon B, El-Dika S, Machicado JD, Pannala R, Mok S, Luthra AK, Akshintala VS, Muniraj T, Krishna SG. Improving Pancreatic Cyst Management: Artificial Intelligence-Powered Prediction of Advanced Neoplasms through Endoscopic Ultrasound-Guided Confocal Endomicroscopy. Biomimetics (Basel). 2023 Oct 19;8(6):496. doi: 10.3390/biomimetics8060496.
- Oh S, Kim YJ, Park YT, Kim KG. Automatic Pancreatic Cyst Lesion Segmentation on EUS Images Using a Deep-Learning Approach. Sensors (Basel). 2021 Dec 30;22(1):245. doi: 10.3390/s22010245.
- Rangwani S, Ardeshna DR, Rodgers B, Melnychuk J, Turner R, Culp S, Chao WL, Krishna SG. Application of Artificial Intelligence in the Management of Pancreatic Cystic Lesions. Biomimetics (Basel). 2022 Jun 14;7(2):79. doi: 10.3390/biomimetics7020079.
- European Study Group on Cystic Tumours of the Pancreas. European evidence-based guidelines on pancreatic cystic neoplasms. Gut. 2018 May;67(5):789-804. doi: 10.1136/gutjnl-2018-316027. Epub 2018 Mar 24.
- Elta GH, Enestvedt BK, Sauer BG, Lennon AM. ACG Clinical Guideline: Diagnosis and Management of Pancreatic Cysts. Am J Gastroenterol. 2018 Apr;113(4):464-479. doi: 10.1038/ajg.2018.14. Epub 2018 Feb 27.
- Vilela A, Quingalahua E, Vargas A, Hawa F, Shannon C, Carpenter ES, Shi J, Krishna SG, Lee UJ, Chalhoub JM, Machicado JD. Global Prevalence of Pancreatic Cystic Lesions in the General Population on Magnetic Resonance Imaging: A Systematic Review and Meta-analysis. Clin Gastroenterol Hepatol. 2024 Sep;22(9):1798-1809.e6. doi: 10.1016/j.cgh.2024.02.018. Epub 2024 Feb 28.
- Kloth C, Haggenmuller B, Beck A, Wagner M, Kornmann M, Steinacker JP, Steinacker-Stanescu N, Vogele D, Beer M, Juchems MS, Schmidt SA. Diagnostic, Structured Classification and Therapeutic Approach in Cystic Pancreatic Lesions: Systematic Findings with Regard to the European Guidelines. Diagnostics (Basel). 2023 Jan 26;13(3):454. doi: 10.3390/diagnostics13030454.
- Tian G, Xu D, He Y, Chai W, Deng Z, Cheng C, Jin X, Wei G, Zhao Q, Jiang T. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography. Front Oncol. 2022 Oct 7;12:973652. doi: 10.3389/fonc.2022.973652. eCollection 2022.
- Qin X, Ran T, Chen Y, Zhang Y, Wang D, Zhou C, Zou D. Artificial Intelligence in Endoscopic Ultrasonography-Guided Fine-Needle Aspiration/Biopsy (EUS-FNA/B) for Solid Pancreatic Lesions: Opportunities and Challenges. Diagnostics (Basel). 2023 Sep 26;13(19):3054. doi: 10.3390/diagnostics13193054.
- Goyal H, Sherazi SAA, Gupta S, Perisetti A, Achebe I, Ali A, Tharian B, Thosani N, Sharma NR. Application of artificial intelligence in diagnosis of pancreatic malignancies by endoscopic ultrasound: a systemic review. Ther Adv Gastroenterol. 2022 Apr 29;15:17562848221093873. doi: 10.1177/17562848221093873. eCollection 2022.
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)
20 avril 2026
Achèvement primaire (Estimé)
30 juin 2028
Achèvement de l'étude (Estimé)
30 juin 2028
Dates d'inscription aux études
Première soumission
15 avril 2026
Première soumission répondant aux critères de contrôle qualité
15 avril 2026
Première publication (Réel)
21 avril 2026
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
3 septembre 2026
Dernière mise à jour soumise répondant aux critères de contrôle qualité
2 septembre 2026
Dernière vérification
1 septembre 2026
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- 2026-SDU-QILU-2
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
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 .