A CP-EBUS előrejelzési modellje a nyirokcsomók diagnosztizálásában
2020. március 31. frissítette: Jiayuan Sun, Shanghai Chest Hospital
A CP-EBUS multimodális kép mélyreható tanulásán alapuló előrejelző modell a jóindulatú és rosszindulatú nyirokcsomók diagnosztizálásában
Az endobronchiális ultrahang (EBUS) multimodális kép, beleértve a szürkeskálát, a véráramlási dopplert és az elasztográfiát, non-invazív diagnózisként használható, és kiegészíti a kóros eredményt, amely fontos klinikai alkalmazási értékkel bír.
Ebben a tanulmányban 1000 mellkasi jóindulatú és rosszindulatú nyirokcsomót (LN) tartalmazó EBUS multimodális képadatbázist hoznak létre a mélytanuló neurális hálózatok képzésére, amelyek automatikusan kiválasztják a reprezentatív képeket és diagnosztizálják az LN-eket.
A kutatók létrehoznak egy mesterséges intelligencia előrejelzési modellt, amely az intrathoracalis LN-k mély tanulásán alapul, és a modellt további 300 LN-ben ellenőrizni fogják.
A tanulmány áttekintése
Állapot
Ismeretlen
Körülmények
Részletes leírás
Az intrathoracalis LN-megnagyobbodás számos betegséggel jár, amelyek közül a tüdőrák intrathoracalis LN-metasztázisa a leggyakoribb rosszindulatú betegség. A jóindulatú elváltozásokat, beleértve a gyulladást, a tuberkulózist és a szarkoidózist, szintén meg kell különböztetni a célzott kezelés érdekében.
Az EBUS multimodális kép, beleértve a szürkeskálát, a véráramlási dopplert és az elasztográfiát, non-invazív diagnózisként használható, és kiegészíti a kóros eredményt, amely fontos klinikai alkalmazási értékkel bír. Ez a tanulmány két részből áll: az EBUS mesterséges intelligencia előrejelzési modelljének retrospektív felépítéséből és az előrejelzési modell többközpontú prospektív validálásából. Összesen 1300 LN-t vonnak be a vizsgálatba.
A videók megtartása során a célpontok LN-it és a perifériás ereket elasztográfiás és doppler-funkciókkal, valamint ultrahangos hörgőtükrözéssel (BF-UC260FW, Olympus vagy EB1970UK, Pentax) felszerelt ultrahang-gazdakészülékekkel (EU-ME2, Olympus vagy Hi-vision Avius, Hitachi) vizsgálják. . A cél LN-ek multimodális képadatait gyűjtik.
A kutatók a mélytanuláson alapuló mesterséges intelligencia előrejelzési modellt készítenek először 1000 LN-ből származó képek felhasználásával, majd igazolják a modellt további 300 LN-ben. Ezt a modellt a hagyományos kvalitatív és kvantitatív értékelési módszerekkel fogják összehasonlítani a diagnosztikai hatékonyság igazolására.
Tanulmány típusa
Megfigyelő
Beiratkozás (Várható)
1300
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Shanghai
-
Shanghai, Shanghai, Kína, 200030
- Toborzás
- Shanghai Chest Hospital
-
Kapcsolatba lépni:
- Jiayuan Sun, PhD
- Telefonszám: 1511 86-21-22200000
- E-mail: jysun1976@163.com
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
18 év és régebbi (Felnőtt, Idősebb felnőtt)
Egészséges önkénteseket fogad
N/A
Tanulmányozható nemek
Összes
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
Ebbe a vizsgálatba olyan megnagyobbodott intrathoracalis LN-ben szenvedő betegeket vonnak be, akiket EBUS-TBNA-val kell diagnosztizálni.
Leírás
Bevételi kritériumok:
- A mellkasi CT megnagyobbodott intrathoracalis LN-ket mutat (rövid átmérő > 1 cm), vagy a PET/CT olyan betegeket mutat, akiknél fokozott FDG-felvétel (SUV ≧ 2,0) intrathoracalis LN-ben;
- A kezelőorvosnak EBUS-TBNA-t kell végeznie a tüdőrák diagnosztizálása vagy preoperatív stádiumba vétele céljából;
- A betegek vállalják, hogy alávetik az EBUS-TBNA-t, aláírják a beleegyezésüket, és nincs ellenjavallata.
Kizárási kritériumok:
- Az EBUS-TBNA-hoz nem alkalmas egyéb helyzetekben szenvedő betegek.
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
Prospektív érvényesítési csoport
A prospektív validálási részben két diagnosztikai módszert alkalmazunk, az egyik a hagyományos kvalitatív és kvantitatív módszer, a másik pedig a mesterséges intelligencia videókon alapuló előrejelzési modellje a diagnosztikai hatékonyság összehasonlítására.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Az EBUS multimodális mesterséges intelligencia előrejelző modelljének diagnosztikai hatékonysága videók alapján
Időkeret: 6 hónappal az eljárás után
|
A diagnosztikai hatékonyság magában foglalja az érzékenységet, a specificitást, a pozitív prediktív értéket, a negatív prediktív értéket és a diagnosztikai pontosságot.
|
6 hónappal az eljárás után
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A hagyományos kvalitatív és kvantitatív módszerek diagnosztikai hatékonysága
Időkeret: 6 hónappal az eljárás után
|
A diagnosztikai hatékonyság magában foglalja az érzékenységet, a specificitást, a pozitív prediktív értéket, a negatív prediktív értéket és a diagnosztikai pontosságot.
|
6 hónappal az eljárás után
|
|
Multimodális mély tanulási modell diagnosztikai hatékonysága képek alapján
Időkeret: 6 hónappal az eljárás után
|
A diagnosztikai hatékonyság magában foglalja az érzékenységet, a specificitást, a pozitív prediktív értéket, a negatív prediktív értéket és a diagnosztikai pontosságot.
|
6 hónappal az eljárás után
|
|
A mélyreható tanuláson alapuló előrejelzési modell összehasonlítása hagyományos kvalitatív és kvantitatív módszerekkel
Időkeret: 6 hónappal az eljárás után
|
A diagnosztikai hatékonyság magában foglalja az érzékenységet, a specificitást, a pozitív prediktív értéket, a negatív prediktív értéket és a diagnosztikai pontosságot.
|
6 hónappal az eljárás után
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Általános kiadványok
- Sun J, Teng J, Yang H, Li Z, Zhang J, Zhao H, Garfield DH, Han B. Endobronchial ultrasound-guided transbronchial needle aspiration in diagnosing intrathoracic tuberculosis. Ann Thorac Surg. 2013 Dec;96(6):2021-7. doi: 10.1016/j.athoracsur.2013.07.005. Epub 2013 Sep 12.
- Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, Venugopalan S, Widner K, Madams T, Cuadros J, Kim R, Raman R, Nelson PC, Mega JL, Webster DR. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016 Dec 13;316(22):2402-2410. doi: 10.1001/jama.2016.17216.
- Saftoiu A, Vilmann P, Gorunescu F, Janssen J, Hocke M, Larsen M, Iglesias-Garcia J, Arcidiacono P, Will U, Giovannini M, Dietrich C, Havre R, Gheorghe C, McKay C, Gheonea DI, Ciurea T; European EUS Elastography Multicentric Study Group. Accuracy of endoscopic ultrasound elastography used for differential diagnosis of focal pancreatic masses: a multicenter study. Endoscopy. 2011 Jul;43(7):596-603. doi: 10.1055/s-0030-1256314. Epub 2011 Mar 24.
- Izumo T, Sasada S, Chavez C, Matsumoto Y, Tsuchida T. Endobronchial ultrasound elastography in the diagnosis of mediastinal and hilar lymph nodes. Jpn J Clin Oncol. 2014 Oct;44(10):956-62. doi: 10.1093/jjco/hyu105. Epub 2014 Aug 13.
- Steinfort DP, Conron M, Tsui A, Pasricha SR, Renwick WE, Antippa P, Irving LB. Endobronchial ultrasound-guided transbronchial needle aspiration for the evaluation of suspected lymphoma. J Thorac Oncol. 2010 Jun;5(6):804-9. doi: 10.1097/jto.0b013e3181d873be.
- Fujiwara T, Yasufuku K, Nakajima T, Chiyo M, Yoshida S, Suzuki M, Shibuya K, Hiroshima K, Nakatani Y, Yoshino I. The utility of sonographic features during endobronchial ultrasound-guided transbronchial needle aspiration for lymph node staging in patients with lung cancer: a standard endobronchial ultrasound image classification system. Chest. 2010 Sep;138(3):641-7. doi: 10.1378/chest.09-2006. Epub 2010 Apr 9.
- Nakajima T, Anayama T, Shingyoji M, Kimura H, Yoshino I, Yasufuku K. Vascular image patterns of lymph nodes for the prediction of metastatic disease during EBUS-TBNA for mediastinal staging of lung cancer. J Thorac Oncol. 2012 Jun;7(6):1009-14. doi: 10.1097/JTO.0b013e31824cbafa.
- Wang L, Wu W, Hu Y, Teng J, Zhong R, Han B, Sun J. Sonographic Features of Endobronchial Ultrasonography Predict Intrathoracic Lymph Node Metastasis in Lung Cancer Patients. Ann Thorac Surg. 2015 Oct;100(4):1203-9. doi: 10.1016/j.athoracsur.2015.04.143. Epub 2015 Jul 28.
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2018. július 1.
Elsődleges befejezés (Várható)
2020. június 30.
A tanulmány befejezése (Várható)
2020. december 31.
Tanulmányi regisztráció dátumai
Először benyújtva
2019. december 2.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2020. március 29.
Első közzététel (Tényleges)
2020. március 31.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2020. április 2.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2020. március 31.
Utolsó ellenőrzés
2020. március 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Egyéb vizsgálati azonosító számok
- SHCHE201906
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
ELDÖNTETLEN
IPD terv leírása
A nyomozók a vizsgálat után kiadhatják az adatbázist, de döntés még nem született.
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .