- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT06540196
Mesterséges intelligencia által hajtott platform (NodeAI) fejlesztése, biztonsága és megvalósíthatósága a mediastinalis nyirokcsomó rosszindulatú daganatának valós idejű előrejelzésére a tüdőrák endobronchiális ultrahangos stádiuma során (NodeAI)
A tüdőrák az éves daganatos halálozások vezető oka világszerte, mint a mell-, prosztata- és vastagbélrák együttvéve. A mellkasi nyirokcsomók (LN-ek) stádiumbesorolása a tüdőrák diagnosztikai útjának kulcsfontosságú lépése, mivel segíti a kezelési döntéseket – legyen szó akár tüdőreszekcióról, kemoterápiáról, sugárkezelésről vagy multimodális kezelésről. Az endobronchiális ultrahangos transzbronchiális tűszívás (EBUS-TBNA) a nem kissejtes tüdőrák (NSCLC) mellkasi csomóponti stádiummeghatározásának jelenlegi szabványa, és az irányelvek előírják, hogy legalább 3 mellkasi LN állomáson rendszeresen el kell végezni a szisztematikus mintavételt (SS) a pontosság érdekében. színrevitel. Sajnos az EBUS-TBNA a betegek 40%-ánál pontatlan eredményeket ad, ami félretájékozott kezelési döntésekhez vezet. Ez az arány sokkal magasabb azoknál a betegeknél, akiknek hármas normál LN-jük van [számítógépes tomográfiás (CT) vizsgálaton, pozitronemissziós tomográfiás (PET) és EBUS-vizsgálaton normálisnak tűnő LN], akikről azt találták, hogy több mint 93% az esély arra, hogy valóban valódiak legyenek. jóindulatú. Ennek az az oka, hogy az EBUS-TBNA ultrahangon alapul, amelynek sikere nagyban függ az azt végző személy (operátor) képességeitől. Ha a kezelő hibát követ el, az egész eljárás veszélybe kerül. Ez késlelteti a kezelést az ismételt vizsgálatok és a rosszul tájékozott kezelési döntések miatt.
Az elmúlt évtized során a kutató egy sor kutatási tanulmányt és kísérletet végzett: a Kanadai Nyirokcsomó Score (CLNS) kifejlesztése és validálása – a LN rosszindulatú daganatának sebésztől származó félkvantitatív mérőszáma; a CLNS mesterséges intelligencia (AI) alapú változata a rosszindulatú daganatok előrejelzésére; és egy teljesen autonóm mesterséges intelligencia, amely megtanulta a rosszindulatú daganatok előrejelzését közvetlenül az ultrahangfelvételekből, hogy bevezesse az AI-t az NSCLC döntéshozatali folyamatába. Ennek eredményeként létrejött egy mesterséges intelligencia által vezérelt szoftver a tüdőrákos betegek mediastinalis LN-iben előforduló rosszindulatú daganatok előrejelzésére. A szoftver jelenleg felhőtárhelyen található, alkalmazásai pedig látensek – ami azt jelenti, hogy az LN-képeket fel kell tölteni a szoftverbe, és az eredményeket a későbbiekben kapják meg. A szoftver jelenlegi formájában nem áll készen a klinikai alkalmazásra a késleltetés miatt. Ebben a projektben a vizsgáló célja egy olyan point-of-care eszköz megépítése, amely helyet ad a szoftvernek (NodeAI), és valós idejű eredményeket szolgáltat a sebésznek, és ezt az eszközt egy klinikai vizsgálat során tesztelik majd.
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Tanulmány típusa
Beiratkozás (Becsült)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Waël C. Hanna, MDCM, MBA, FRCSC
- Telefonszám: 35916 (905) 522-1155
- E-mail: hannaw@mcmaster.ca
Tanulmányozza a kapcsolattartók biztonsági mentését
- Név: Yogita S. Patel, BSc
- Telefonszám: 35096 (905) 522-1155
- E-mail: patelys@mcmaster.ca
Tanulmányi helyek
-
-
Ontario
-
Hamilton, Ontario, Kanada, L8N 4A6
- Toborzás
- St. Joseph's Healthcare Hamilton
-
Kapcsolatba lépni:
- Yogita S. Patel, BSc.
- Telefonszám: 35096 905-522-1155
- E-mail: patelys@mcmaster.ca
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Leírás
Bevételi kritériumok:
- 18 évesnél idősebb betegek, akiknél CT- és PET-vizsgálatok alapján feltételezett vagy megerősített NSCLC-t diagnosztizáltak, és amelyeket az EBUS-TBNA mellkasi stádiummeghatározásra utal.
- A CT- és PET-vizsgálatok elkészültek
Kizárási kritériumok:
- cN0 betegségben és perifériás daganatokban ÉS 2 cm-nél kisebb átmérőjű daganatokban szenvedő betegek (amelyek nem igényelnek mellkasi stádiumvizsgálatot)
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Diagnosztikai
- Kiosztás: Nem véletlenszerű
- Beavatkozó modell: Crossover kiosztás
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: NodeAI
Az egyes LN-ek ultrahangos videóját és képeit a NodeAI elemzi, amely a CLNS négy ultrahangos jellemzője alapján minden LN-hez hozzárendel egy CLNS-t, megjósolja a LN rosszindulatú daganatát, és meghatározza, hogy biopsziát kell-e venni vagy sem.
|
Az egyes LN-ek ultrahangos videóját és képeit a NodeAI elemzi, amely a CLNS négy ultrahangos jellemzője alapján minden LN-hez hozzárendel egy CLNS-t, megjósolja a LN rosszindulatú daganatát, és meghatározza, hogy biopsziát kell-e venni vagy sem.
|
|
Aktív összehasonlító: Sebész
Az egyes LN-ek ultrahangos videóját és képeit először a sebész elemzi, aki a CLNS négy ultrahangos jellemzője alapján minden LN-hez hozzárendel egy CLNS-t, megjósolja az LN rosszindulatú daganatát, és meghatározza, hogy biopsziát kell-e venni vagy sem.
|
Az egyes LN-ek ultrahangos videóját és képeit először a sebész elemzi, aki a CLNS négy ultrahangos jellemzője alapján minden LN-hez hozzárendel egy CLNS-t, megjósolja az LN rosszindulatú daganatát, és meghatározza, hogy biopsziát kell-e venni vagy sem.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A NodeAI azon képessége, hogy előre jelezze a nyirokcsomók rosszindulatúságát a nyirokcsomók valós idejű ultrahangos képei alapján az ágy melletti EBUS során
Időkeret: 3 héttel az EBUS után
|
Ezt a nyirokcsomók százalékos aránya fogja számszerűsíteni, ahol a fentiek sikeresek a patológiához képest
|
3 héttel az EBUS után
|
Együttműködők és nyomozók
Szponzor
Együttműködők
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
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
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- NodeAI Feasibility
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
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. .