Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Adenoma kimutatási aránya a mesterséges intelligencia által támogatott kolonoszkópiában

2025. március 5. frissítette: Ismail Gögenur

Az adenoma kimutatási aránya a mesterséges intelligencia által támogatott vastagbéltükrözésben, amelyet különböző szintű tapasztalattal rendelkező endoszkóposok végeznek – Cluster randomizált, kontrollált többközpontú vizsgálat

Ennek a klaszteres, randomizált, multicentrikus kontrollált klinikai vizsgálatnak (RCT) annak vizsgálata, hogy egy kombinált valós idejű számítógéppel segített polip-detektáló (CADe) és számítógéppel segített polipkarakterizáló (CADx) rendszer (GI Genius, Medtronic) növelheti-e az adenoma kimutatását. ADR) és csökkenti az endoszkóposok teljesítménybeli ingadozását.

A résztvevőket randomizálják (1:1), hogy AI-asszisztált kolonoszkópiát (AIC) vagy hagyományos kolonoszkópiát (CC) kapjanak.

Ha van összehasonlító csoport: A kutatók összehasonlítják az AIC-csoportot és a CC-csoportot, hogy megnézzék, az AIC képes-e jelentősen növelni az ADR-t.

A tanulmány áttekintése

Részletes leírás

A vastagbélrák (CRC) a harmadik leggyakoribb rák, és a rákkal összefüggő halálozás második leggyakoribb oka világszerte. A CRC-szűrést a rákmegelőző elváltozások kimutatására és eltávolítására használják, mielőtt azok rákossá fejlődnének. A kolonoszkópiát a többi szűrővizsgálatnál jobbnak tekintik, ezért aranystandardként használják.

A szűrő kolonoszkópia a CRC-vel összefüggő halálozás kockázatának csökkenésével jár. Mivel a vastagbéltükrözés során az endoszkópos szakorvos nem tudja biztosan meghatározni a polip kórszövetét, a kimutatott premalignus elváltozásokat el kell távolítani és szövettani vizsgálatra küldeni. Számos tanulmány kimutatta, hogy szoros összefüggés van a kiindulási szűrő kolonoszkópia eredményei és a súlyos elváltozások aránya között a követő kolonoszkópia során. Az adenoma, az előrehaladott adenoma és a rák kockázati tényezői az utókövető kolonoszkópia során az adenómák sokfélesége, mérete, bolyhossága és nagyfokú diszplázia a kolonoszkópia kiindulási állapotában.

Az adenoma kimutatási arány (ADR) az egy endoszkópos orvos által végzett vizsgálatok százalékos aránya, amelyek során egy vagy több adenomát találtak. Ezt széles körben elfogadják minden endoszkópos és kolonoszkópiás vizsgálat fő minőségi mutatójaként. Erős bizonyíték van arra, hogy az ADR fordítottan korrelál az intervallum CRC előfordulásával. Az ADR minden 1,0%-os növekedésével 3,0%-kal csökken a CRC kialakulásának kockázata. Sajnos az adenomák és az előrehaladott adenomák gyakran kimaradnak, és az ADR nagymértékben eltér a különböző endoszkópos szakemberek között. Ezenkívül a minőség a nap folyamán változik. Mind a visszavonási idő, mind az ADR csökken a nap végére, körülbelül 20%-kal, illetve 7%-kal. A kolonoszkópia minőségének kismértékű javulása nagy jelentőséggel bírhat a CRC szűrése során.

A mesterséges intelligencia (AI) csökkentheti a teljesítmény változékonyságát azáltal, hogy további virtuális szempárként működik, kompenzálva a fáradtság, a figyelemelvonás és a pontatlan emberi látás miatti észlelési hibákat. Az elmúlt néhány évben számos randomizált, kontrollált vizsgálatot (RCT) tettek közzé, amelyek a valós idejű számítógéppel segített detektálás hatékonyságát vizsgálták. Ezek közül az összes RCT, amelynek elsődleges eredménye az ADR, kimutatta, hogy a mesterséges intelligencia alkalmazása jelentősen magasabb ADR-hez járul hozzá, mint az AI-rendszer segítsége nélküli kolonoszkópiákhoz.

Repici et al. kimutatták, hogy az endoszkópos tapasztalat csak csekély szerepet játszik meghatározó tényezőként. Ennek megfelelően Liu és munkatársai egy korábbi tanulmányának eredményei. azt jelzi, hogy a CADe rendszerek nem csak az alacsony kimutatási arányú endoszkóposok számára hasznosak, hanem a tapasztaltabb endoszkóposok számára is növelhetik az ADR-t. Kamba et. al szignifikánsan alacsonyabb adenoma miss rate (AMR) arányról számolt be a CADe-asszisztált kolonoszkópiában, mint a hagyományos kolonoszkópiával. Ez független az endoszkópos szaktudás szintjétől. Más tanulmányok arra a következtetésre jutottak, hogy a mesterséges intelligencia valószínűleg nagyobb hasznot hoz a kevésbé tapasztalt endoszkóposoknak. Mindazonáltal csak korlátozott számú tanulmány vizsgálja az AI hatását, ha kevésbé tapasztalt endoszkóposok használják.

Wallace és munkatársai egy közelmúltbeli RCT-je szerint. A mesterséges intelligencia alkalmazása megközelítőleg 50%-kal csökkentheti az AMR-t, de elsősorban a kisméretű (<10 mm-es) lapos neoplázia fokozott észlelésének köszönhetően. Ez a különbség valamivel magasabb, mint egy korábbi tanulmányban, amelyben a relatív csökkenés körülbelül 35% volt. Ebben a vizsgálatban azonban nem volt szignifikáns különbség a kihagyott kicsinyítő polipok (<10 mm) között.

Egy szisztematikus áttekintésben a teljes kivonási idő magasabb volt az AI-asszisztált kolonoszkópiával (AIC), mint a hagyományos kolonoszkópiával (CC), de az ADR és a PDR is magasabb volt. Természetesen aggodalomra ad okot a vastagbéltükrözés elhúzódása és a mesterséges intelligencia rendszer bevezetésekor megnövekedett munkaterhelés, mivel a kis polipok fokozottabb kimutatása szükségtelen polipektómiához vezethet. Azonban az RCT két közelmúltbeli jelentése szerint a nem daganatos polipok szükségtelen reszekciója nem nőtt a CADe rendszer használatával.

Az eddigi eredmények ígéretesek, és arra utalnak, hogy az AIC jobb, mint a CC, ha polip- és adenomadetektálásról van szó. A számítógéppel segített polip-detektáló (CADe) rendszerek rutinszerű használata tovább csökkentheti az intervallum CRC előfordulását, de több klinikai adatra van szükség nagy, többközpontú randomizált vizsgálatokból, hogy megértsük az AI tényleges hatását a napi klinikai környezetben.

Minőségbiztosítási multicentrikus RCT-t terveztünk, hogy megvizsgáljuk a valós idejű AI-asszisztencia (GI Genius, Medtronic) hatását az adenoma észlelési arányára (ADR) mind tapasztalt, mind kevésbé tapasztalt endoszkóposok esetében. Azt akarjuk megvizsgálni, hogy a CADe rendszer képes-e jelentősen csökkenteni a teljesítmény variabilitását és növelni az ADR-t.

Ennek a kutatásnak az általános célja annak megvizsgálása, hogy a kolonoszkópiás mesterséges intelligencia segít-e növelni az ADR-t.

Ez a leendő, többközpontú, randomizált kontrollált vizsgálat (RCT) négy endoszkópos egységben zajlik majd a dániai Zealand régióban. Ezek az egységek a Zealand Egyetemi Kórházban (Køge), a Nykøbing Falster Kórházban, a Holbæk Kórházban és a Næstved Kórházban találhatók. A Næstved Kórház kivételével minden egység részt vesz az országos CRC-szűrési programban.

Minden szűrővizsgálatra, diagnosztikai és ellenőrző kolonoszkópiára tervezett beteget kiszűrünk. A jogosult betegek vastagbéltükrözést kapnak szakértő vagy nem szakértő endoszkópos szakorvostól az endoszkópos osztályokon elhelyezkedő endoszkóposok normál eloszlása ​​alapján.

Tanulmány típusa

Beavatkozó

Beiratkozás (Tényleges)

795

Fázis

  • Nem alkalmazható

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

      • Holbæk, Dánia, 4300
        • Holbæk Hospital
      • Køge, Dánia, 4600
        • Zealand University Hospital
      • Nykøbing Falster, Dánia, 4800
        • Nykøbing Falster County Hospital
      • Næstved, Dánia, 4700
        • Næstved Hospital

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

Igen

Leírás

Bevételi kritériumok:

  • Pozitív fekális immunkémiai teszt (FIT) miatt szűrő kolonoszkópiára utalva vagy
  • Diagnosztikus kolonoszkópia a tünetek/jelek miatt ill
  • Polipektómia utáni megfigyelő kolonoszkópia (csak olyan betegeknél, akiknél az előző kolonoszkópia során minden kimutatott polipot eltávolítottak)

Kizárási kritériumok:

  • Beutaló a korábban észlelt polipok eltávolítására
  • Sürgősségi kolonoszkópia
  • Kontroll kolonoszkópia gyulladásos bélbetegség (IBD) miatt

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

  • Elsődleges cél: Diagnosztikai
  • Kiosztás: Véletlenszerűsített
  • Beavatkozó modell: Párhuzamos hozzárendelés
  • Maszkolás: Nincs (Open Label)

Fegyverek és beavatkozások

Résztvevő csoport / kar
Beavatkozás / kezelés
Nincs beavatkozás: Ellenőrzés
Hagyományos kolonoszkópia, mesterséges intelligencia segítsége nélkül.
Aktív összehasonlító: AI-asszisztált kolonoszkópia
AI-asszisztált kolonoszkópia (AIC) számítógéppel segített polipészlelő és -jellemző (CADe és CADx) rendszerrel.
Az intervenciós csoportba tartozó betegek mesterséges intelligenciával segített kolonoszkópiát (AIC) kapnak a számítógéppel segített polip-detektáló és -jellemző (CADe és CADx) GI Genius (Medtronic) segítségével.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Adenoma észlelési arány (ADR)
Időkeret: 5 hónap
ADR = (adenómás vizsgálatok száma/összes vizsgálatok száma) × 100.
5 hónap

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Polipfelismerési arány (PDR)
Időkeret: 5 hónap
PDR = (polipokkal végzett vizsgálatok száma/összes vizsgálatok száma) × 100.
5 hónap
Adenómák kolonoszkópiánként (APC)
Időkeret: 5 hónap
A talált adenomák száma eljárásonként
5 hónap
Polipok kolonoszkópiánként (PPC)
Időkeret: 5 hónap
Az eljárás során talált polipok száma
5 hónap
Az eljárás időtartama
Időkeret: 5 hónap
A kolonoszkópia időtartama
5 hónap
Nem neoplasztikus reszekciós arány (NNRR)
Időkeret: 5 hónap
Reszekált nem daganatos polipok száma/reszekált polipok teljes száma
5 hónap
ADR a CRC-szűrési populációban
Időkeret: 5 hónap
Adenoma detektálási arány (ADR) az egyik betegalcsoportban
5 hónap

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Nyomozók

  • Kutatásvezető: Ronja Lagström, MD, Zealand University Hospital, Køge

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)

2022. október 1.

Elsődleges befejezés (Tényleges)

2023. március 3.

A tanulmány befejezése (Tényleges)

2023. március 3.

Tanulmányi regisztráció dátumai

Először benyújtva

2023. február 3.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2023. február 21.

Első közzététel (Tényleges)

2023. február 22.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2025. március 25.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2025. március 5.

Utolsó ellenőrzés

2024. szeptember 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

az Egyesült Államokban gyártott és onnan exportált termék

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. .

Iratkozz fel