A számítógéppel segített detektálás alkalmazása a képzésben javítja a jövőbeli kolonoszkópiák minőségét
2025. január 15. frissítette: Zofia Orzeszko, Jagiellonian University
A számítógéppel segített kimutatás bevezetése a kezdeti endoszkópos tréning során javítja a tanulók jövőbeli kolonoszkópiájának minőségi mutatóit
A mesterséges intelligencián (AI) alapuló számítógépes detektálás (CADe) javíthatja a kolonoszkópia minőségét.
Egyre több fiatal endoszkópos képzett mesterséges intelligencia környezetben, ennek hatása a tanulók jövőbeli kimenetelére azonban továbbra sem világos.
A tanulmány célja az volt, hogy értékelje a mesterséges intelligencia környezetben kiképzett endoszkóposok minőségi mutatóit a hagyományosan képzettekhez képest.
A tanulmány áttekintése
Állapot
Befejezve
Körülmények
Beavatkozás / kezelés
Részletes leírás
A mesterséges intelligencián (AI) alapuló számítógépes detektálás (CADe) javíthatja a kolonoszkópia minőségét.
Egyre több fiatal endoszkópos képzett mesterséges intelligencia környezetben, ennek hatása a tanulók jövőbeli kimenetelére azonban továbbra sem világos.
A tanulmány célja az volt, hogy értékelje a mesterséges intelligencia környezetben kiképzett endoszkóposok minőségi mutatóit a hagyományosan képzettekhez képest.
Egy tanulmányban 6000 felnőtt beteg vett részt, akiknél különböző okok miatt kolonoszkópiát végeztek.
A tanulmány retrospektív módon értékelte az első 1000 eljárást, amelyet hat endoszkópos végzett a képzés befejezése után, teljes mértékben az endoszkópos észlelési készségeire támaszkodva, mesterséges intelligencia fejlesztése nélkül.
A fiatal endoszkóposok közül hármat CADe-vel képeztek ki, hármat pedig további segítség nélkül.
A minőségi mutatókat mindkét csoportban értékelték.
A detektált polipok morfológiáját értékelték, hogy meghatározzák az AI-val fokozott tréning hatását az oldalirányban terjedő tumorok (LST) kimutatási arányára.
Tanulmány típusa
Megfigyelő
Beiratkozás (Tényleges)
6000
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
-
Kraków, Lengyelország, 31007
- Jagiellonian University
-
-
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
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Nem
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
Ebben a vizsgálatban 6000 felnőtt beteg vett részt, akiken különböző okokból kolonoszkópiát végeztek a krakkói egyetlen nagy volumenű endoszkópos klinikán.
Leírás
Bevételi kritériumok:
- felnőtt résztvevők, akiknek különböző okokból vastagbéltükrözésen estek át, specifikus endoszkópos szakemberek által, amelyeket minőségi mutatók alapján értékeltek
Kizárási kritériumok:
- a bél reszekció története
- igazolt gyulladásos bélbetegség
- polipok vagy rák gyanúja más képalkotó vizsgálatok során
- családi adenomatosus polyposis gyanúja
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 |
Beavatkozás / kezelés |
|---|---|
|
A csoport
Kolonoszkópia, amelyet mesterséges intelligencia által kiképzett endoszkópos szakemberek végeznek.
A minőségi mutatókat a képzés elvégzése után, mesterséges intelligencia javítása nélkül mérik.
|
Az endoszkópos szakemberek mesterséges intelligenciával továbbfejlesztett környezetben képezték ki magukat.
Minőségi mutatóikat a képzés befejezése után mérik, további mesterséges intelligencia fejlesztés nélkül.
|
|
B csoport
A kolonoszkópiát hagyományosan képzett endoszkópos szakember végzi.
A minőségi mutatókat a képzés elvégzése után, mesterséges intelligencia javítása nélkül mérik.
|
Az endoszkóposok hagyományos képzésben részesültek
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
visszavonási idő
Időkeret: A kolonoszkópiás vizsgálat során
|
A vakbél intubációjától a vizsgálat végéig eltelt idő
|
A kolonoszkópiás vizsgálat során
|
|
Vakbél intubációs ráta (CIR)
Időkeret: A kolonoszkópiás vizsgálat során
|
A kolonoszkópiák százalékos aránya sikeres vakbél intubációval
|
A kolonoszkópiás vizsgálat során
|
|
Adenoma észlelési arány (ADR)
Időkeret: A kolonoszkópiás vizsgálat során
|
A kolonoszkópiák százalékos aránya, amikor az adenomát találták
|
A kolonoszkópiás vizsgálat során
|
|
Fejlett adenoma kimutatási arány (AADR)
Időkeret: A kolonoszkópiás vizsgálat során
|
A kolonoszkópiák százalékos aránya, amikor előrehaladott adenomát (>10 mm) találtak
|
A kolonoszkópiás vizsgálat során
|
|
Adenoma per kolonoszkópia pontszám (APC)
Időkeret: A kolonoszkópiás vizsgálat során
|
Az egyetlen kolonoszkópiával kimutatott adenomák átlagos száma
|
A kolonoszkópiás vizsgálat során
|
|
Fogazott polip észlelési arány (SDR)
Időkeret: A kolonoszkópiás vizsgálat során
|
A kolonoszkópiák százalékos aránya, amikor a fogazott polipot találták
|
A kolonoszkópiás vizsgálat során
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Oldalirányban terjedő daganatfelismerési arány
Időkeret: A kolonoszkópiás vizsgálat során
|
A kolonoszkópiák százalékos aránya, amikor az oldalirányban terjedő daganatos elváltozást találták
|
A kolonoszkópiás vizsgálat során
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Nyomozók
- Kutatásvezető: Zofia Orzeszko, MD, Jagiellonian University
- Tanulmányi szék: Miroslaw Szura, PhD, Prof., Jagiellonian University
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
- Repici A, Badalamenti M, Maselli R, Correale L, Radaelli F, Rondonotti E, Ferrara E, Spadaccini M, Alkandari A, Fugazza A, Anderloni A, Galtieri PA, Pellegatta G, Carrara S, Di Leo M, Craviotto V, Lamonaca L, Lorenzetti R, Andrealli A, Antonelli G, Wallace M, Sharma P, Rosch T, Hassan C. Efficacy of Real-Time Computer-Aided Detection of Colorectal Neoplasia in a Randomized Trial. Gastroenterology. 2020 Aug;159(2):512-520.e7. doi: 10.1053/j.gastro.2020.04.062. Epub 2020 May 1.
- Corley DA, Jensen CD, Marks AR, Zhao WK, Lee JK, Doubeni CA, Zauber AG, de Boer J, Fireman BH, Schottinger JE, Quinn VP, Ghai NR, Levin TR, Quesenberry CP. Adenoma detection rate and risk of colorectal cancer and death. N Engl J Med. 2014 Apr 3;370(14):1298-306. doi: 10.1056/NEJMoa1309086.
- Kaminski MF, Regula J, Kraszewska E, Polkowski M, Wojciechowska U, Didkowska J, Zwierko M, Rupinski M, Nowacki MP, Butruk E. Quality indicators for colonoscopy and the risk of interval cancer. N Engl J Med. 2010 May 13;362(19):1795-803. doi: 10.1056/NEJMoa0907667.
- Spadaccini M, Iannone A, Maselli R, Badalamenti M, Desai M, Chandrasekar VT, Patel HK, Fugazza A, Pellegatta G, Galtieri PA, Lollo G, Carrara S, Anderloni A, Rex DK, Savevski V, Wallace MB, Bhandari P, Roesch T, Gralnek IM, Sharma P, Hassan C, Repici A. Computer-aided detection versus advanced imaging for detection of colorectal neoplasia: a systematic review and network meta-analysis. Lancet Gastroenterol Hepatol. 2021 Oct;6(10):793-802. doi: 10.1016/S2468-1253(21)00215-6. Epub 2021 Aug 5.
- Barua I, Vinsard DG, Jodal HC, Loberg M, Kalager M, Holme O, Misawa M, Bretthauer M, Mori Y. Artificial intelligence for polyp detection during colonoscopy: a systematic review and meta-analysis. Endoscopy. 2021 Mar;53(3):277-284. doi: 10.1055/a-1201-7165. Epub 2020 Sep 29.
- Wang P, Liu P, Glissen Brown JR, Berzin TM, Zhou G, Lei S, Liu X, Li L, Xiao X. Lower Adenoma Miss Rate of Computer-Aided Detection-Assisted Colonoscopy vs Routine White-Light Colonoscopy in a Prospective Tandem Study. Gastroenterology. 2020 Oct;159(4):1252-1261.e5. doi: 10.1053/j.gastro.2020.06.023. Epub 2020 Jun 17.
- Glissen Brown JR, Mansour NM, Wang P, Chuchuca MA, Minchenberg SB, Chandnani M, Liu L, Gross SA, Sengupta N, Berzin TM. Deep Learning Computer-aided Polyp Detection Reduces Adenoma Miss Rate: A United States Multi-center Randomized Tandem Colonoscopy Study (CADeT-CS Trial). Clin Gastroenterol Hepatol. 2022 Jul;20(7):1499-1507.e4. doi: 10.1016/j.cgh.2021.09.009. Epub 2021 Sep 14.
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. január 1.
Elsődleges befejezés (Tényleges)
2024. január 31.
A tanulmány befejezése (Tényleges)
2024. március 31.
Tanulmányi regisztráció dátumai
Először benyújtva
2024. szeptember 30.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2024. október 1.
Első közzététel (Tényleges)
2024. október 2.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2025. március 25.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2025. január 15.
Utolsó ellenőrzés
2025. január 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
Egyéb vizsgálati azonosító számok
- 2024.000.367
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
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. .