- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT05151939
Endoszkópos ultrahang (EUS) mesterséges intelligencia modell a normál mediastinalis és hasi szűkületek felméréséhez
Normál mediastinalis és hasi szervi/anatómiai struktúrák endoszkópos ultrahangos (EUS) vizsgálata egy új, kifejlesztett mesterséges intelligencia modell segítségével
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
- Diagnosztikai vizsgálat: Mediastinalis és hasi szervek/anatómiai szűkületek azonosítása vagy váladékozása endoszkópos ultrahangos (EUS) videók segítségével, szakértő endoszkópos által
- Diagnosztikai vizsgálat: Mediastinalis és hasi szervek/anatómiai szűkületek felismerése endoszkópos ultrahang (EUS) videók segítségével mesterséges intelligencia (AI) segítségével
Részletes leírás
Az endoszkópos ultrahang (EUS) egy magasan képzett eljárás, korlátozott számú képzési lehetőséggel. Ezért a kompetencia eléréséhez nagy számú eljárásra van szükség. A megfigyelők közötti egyetértés azonban igen eltérő. A mesterséges intelligencia (AI) segítségével az anatómiai struktúrák felismerése és jellemzése javíthatja a képzési folyamatot, miközben javítja a megfigyelők közötti egyetértést. A kifejlesztett EUS-AI modelleket azonban kifejezetten képezték, vagy csak betegségmintákkal vagy hasi anatómiai jellemzők kimutatására.
Más területeken, például a sugáronkológiában, a kifejlesztett mesterséges intelligencia modelleket széles körben alkalmazzák. A kontúrozás során egybehangzóan fel kell ismerniük az egészséges és beteg szűkületeket az emberi test bármely részén. Megakadályozza a normál szövetek szükségtelen besugárzását. Az egészséges mintákkal nem betanított EUS-AI modellek a valós gyakorlat során a hamis pozitív esetek számának növekedését okozhatják. Ez a kóros/kóros szűkületek lehetséges túldiagnózisát jelenti. Az EUS-AI modelleket nem képezték ki külső mintákkal
Egy automatizált gépi tanulási szoftver segítségével Robles-Medranda et al. korábban kifejlesztettek egy konvolúciós neuronális hálózatok (CNN) AI-modellt, amely felismeri az anatómiai struktúrákat lineáris és radiális EUS kiértékelések során (AI Works, MD Consulting group, Ecuador). Legjobb tudomásunk szerint ez az EUS-AI modell az első, amelyet olyan betegek EUS-videóival képeztek ki, akik nem patológiás, és így normál mediastinalis és hasi szervi/anatómiai szűkületekkel rendelkeznek. Ebben a második szakaszban arra törekszünk, hogy megtervezzük a kifejlesztett AI modellünk külső validálását, az endoszkópos szakértőt tekintve aranystandardnak.
Tanulmány típusa
Beiratkozás (Várható)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Carlos Robles-Medranda
- Telefonszám: +59342109180
- E-mail: carlosoakm@yahoo.es
Tanulmányi helyek
-
-
Guayas
-
Guayaquil, Guayas, Ecuador, 090505
- Toborzás
- Ecuadorian Institute of Digestive Diseases
-
Kapcsolatba lépni:
- Carlos A Robles-Medranda, MD
- Telefonszám: +593989158865
- E-mail: carlosoakm@yahoo.es
-
Kutatásvezető:
- Carlos Robles-Medranda, MD FASGE
-
Alkutató:
- Martha Arevalo-Mora, MD
-
Alkutató:
- Daniel Calle, MD MSc
-
Alkutató:
- Miguel Puga-Tejada, MD MSc
-
Alkutató:
- Raquel Del Valle Zavala, MD
-
Alkutató:
- Juan Alcivar-Vasquez, MD Msc
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
Egészséges önkénteseket fogad
Tanulmányozható nemek
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Olyan betegek, akiknek a kórelőzményében nem szerepeltek mellkasi és hasi rendellenességek, amelyeket az elmúlt tizenkét hónapban egészségügyi célból kért képalkotó vizsgálattal igazoltak (pl. mellkasröntgen és hasi ultrahang vagy mellkas és hasi CT)
- Olyan betegek, akiknél krónikus dyspepsia miatt EUS-vizsgálatot végeznek.
Kizárási kritériumok:
- Morfológiai elváltozás legalább egy mediastinalis és hasi szerven/anatómiai szűkületen, bármely képalkotó teszttel vagy EUS-sel dokumentált.
- Kontrollálatlan koagulopátia, vese-/májelégtelenség vagy bármely társbetegség, amely jelentős hatással van a szívkockázat értékelésére (NHYA III/IV);
- Megtagadni a vizsgálatban való részvételt vagy a megfelelő tájékozott beleegyezés aláírását.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Megfigyelési modellek: Csak esetre
- Időperspektívák: Keresztmetszeti
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
---|---|
Normális mediastinalis és hasi szervi/anatómiai szűkülettel rendelkező betegek
Felnőtt betegek normál mediastinalis és hasi szervi/anatómiai szűkülettel a képalkotó vizsgálat és az EUS értékelése után krónikus dyspepsia miatt.
|
Egy szakértő endoszkópos kiválaszt egy adatkészletet a mediastinalis és a hasi EUS-videókból (betegenként egyet).
Szakértő endoszkópos a következő szerveket azonosítja vagy vizualizálja helyesen: aorta, csigolyagerinc, aortaív, légcső, AP ablak, bal vese, máj, lép, hasnyálmirigy test, hasnyálmirigy farka, cöliákia törzs, lépartéria, lépvéna, inferior vena cava, mellékvese, jobb vese, epehólyag, közös epevezeték, Vater ampulla, portális véna.
Az EUS-AI modell a mediastinalis és abdominalis EUS videók ugyanazon korábbi adatkészletét használva a következő szerveket ismeri fel: aorta, csigolyagerinc, aortaív, légcső, AP ablak, bal vese, máj, lép, hasnyálmirigy test, hasnyálmirigy farka, cöliákia törzs, lépartéria, lépvéna, vena cava inferior, mellékvese, jobb vese, epehólyag, közös epevezeték, Vater ampulla, portális véna.
Minden egyes beteget (és nem az adatkeret-videókat) vizsgálati egységnek tekintve, minden egyes mediastinalis és hasi szerv/anatómiai szűkülethez egy kontingencia táblázat kerül kialakításra.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
---|---|---|
Az endoszkópos ultrahang (EUS) mesterséges intelligencia (AI) modell általános pontossága a normál mediastinalis és hasi szervi/anatómiai szűkületek azonosítására
Időkeret: Három hónap
|
A rendszer kiszámítja az általános pontossági jellemzőket: érzékenység, specifitás, pozitív prediktív érték, negatív prediktív érték, diagnosztikai pontosság és megfigyelt egyezés. Ezenkívül a következő valószínűségeket határozzuk meg:
|
Három hónap
|
Együttműködők és nyomozók
Nyomozók
- Kutatásvezető: Carlos Robles-Medranda, Ecuadorian Institute of Digestive Diseases
Publikációk és hasznos linkek
Általános kiadványok
- Zhang J, Zhu L, Yao L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, An P, Xu B, Tan W, Hu S, Cheng F, Yu H. Deep learning-based pancreas segmentation and station recognition system in EUS: development and validation of a useful training tool (with video). Gastrointest Endosc. 2020 Oct;92(4):874-885.e3. doi: 10.1016/j.gie.2020.04.071. Epub 2020 May 6. Erratum In: Gastrointest Endosc. 2021 Mar;93(3):781.
- Kuwahara T, Hara K, Mizuno N, Haba S, Okuno N, Koda H, Miyano A, Fumihara D. Current status of artificial intelligence analysis for endoscopic ultrasonography. Dig Endosc. 2021 Jan;33(2):298-305. doi: 10.1111/den.13880. Epub 2020 Dec 5. Review.
- Robles-Medranda C, Oleas R, Del Valle R, Mendez JC, Alcívar-Vásquez JM, Puga-Tejada M, Lukashok H. Intelligence for real-time anatomical recognition during endoscopic ultrasound evaluation: a pilot study. Gastrointestinal Endoscopy. 2021; 93(6), AB221. https://doi.org/10.1016/J.GIE.2021.03.491
- Udriștoiu AL, Cazacu IM, Gruionu LG, Gruionu G, Iacob AV, Burtea DE, Ungureanu BS, Costache MI, Constantin A, Popescu CF, Udriștoiu Ș, Săftoiu A. Real-time computer-aided diagnosis of focal pancreatic masses from endoscopic ultrasound imaging based on a hybrid convolutional and long short-term memory neural network model. PLoS One. 2021 Jun 28;16(6):e0251701. doi: 10.1371/journal.pone.0251701. eCollection 2021.
- Yao L, Zhang J, Liu J, Zhu L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, Xu B, Hu S, Zheng B, Yang Y, Yu H. A deep learning-based system for bile duct annotation and station recognition in linear endoscopic ultrasound. EBioMedicine. 2021 Mar;65:103238. doi: 10.1016/j.ebiom.2021.103238. Epub 2021 Feb 24. Erratum in: EBioMedicine. 2021 Nov;73:103650.
- Tonozuka R, Mukai S, Itoi T. The Role of Artificial Intelligence in Endoscopic Ultrasound for Pancreatic Disorders. Diagnostics (Basel). 2020 Dec 24;11(1). pii: E18. doi: 10.3390/diagnostics11010018. Review.
- Marya NB, Powers PD, Chari ST, Gleeson FC, Leggett CL, Abu Dayyeh BK, Chandrasekhara V, Iyer PG, Majumder S, Pearson RK, Petersen BT, Rajan E, Sawas T, Storm AC, Vege SS, Chen S, Long Z, Hough DM, Mara K, Levy MJ. Utilisation of artificial intelligence for the development of an EUS-convolutional neural network model trained to enhance the diagnosis of autoimmune pancreatitis. Gut. 2021 Jul;70(7):1335-1344. doi: 10.1136/gutjnl-2020-322821. Epub 2020 Oct 7.
- Minoda Y, Ihara E, Komori K, Ogino H, Otsuka Y, Chinen T, Tsuda Y, Ando K, Yamamoto H, Ogawa Y. Efficacy of endoscopic ultrasound with artificial intelligence for the diagnosis of gastrointestinal stromal tumors. J Gastroenterol. 2020 Dec;55(12):1119-1126. doi: 10.1007/s00535-020-01725-4. Epub 2020 Sep 11.
- Cazacu IM, Udristoiu A, Gruionu LG, Iacob A, Gruionu G, Saftoiu A. Artificial intelligence in pancreatic cancer: Toward precision diagnosis. Endosc Ultrasound. 2019 Nov-Dec;8(6):357-359. doi: 10.4103/eus.eus_76_19.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Várható)
A tanulmány befejezése (Várható)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- IECED-26112021
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
az Egyesült Államokban gyártott és onnan exportált termék
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. .
Klinikai vizsgálatok a Has
-
Harvard Pilgrim Health CareBrigham and Women's Hospital; University of California, Irvine; University of Massachusetts... és más munkatársakAktív, nem toborzó
-
QuantalX NeuroscienceBefejezveStroke | Egészséges | Kognitív zavar | Elmebaj | Fibromyalgia | Kognitív hanyatlás | MCI | TBI | Adhd | PDD | Ptsd | ABDIzrael
-
QuantalX NeuroscienceBefejezveEgészséges | Vérzés | Kognitív zavar | Elmebaj | Fibromyalgia | TBI (traumás agysérülés) | Kognitív hanyatlás | Agyrázkódás, agy | MS (szklerózis multiplex) | Adhd | CVA | ABD | MciIzrael