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

Mesterséges intelligencia által vezérelt érérzékelés a harmadik tér endoszkópos beavatkozások biztonságának növelésére

2026. szeptember 18. frissítette: Abhishek Tyagi, Asian Institute of Gastroenterology, India

Mesterséges Intelligencia Irányította Anatómiai Jelzők Felismerése a Harmadik-Tér Endoszkópos Beavatkozások Biztonságának Fokozása érdekében

This prospective study aims to evaluate the performance of a novel Artificial Intelligence (AI) clinical decision support tool during third space endoscopic procedures, such as Endoscopic Submucosal Dissection (ESD) and Peroral Endoscopic Myotomy (POEM).

While these procedures are effective for treating gastrointestinal neoplasms and motility disorders, they carry risks of intraprocedural bleeding and perforation if submucosal blood vessels are not correctly identified and coagulated. Building on previous retrospective validation, this study will assess whether a real-time artificial intelligence model can assist endoscopists in detecting and delineating blood vessels more accurately and faster during live human procedures.

A tanulmány áttekintése

Állapot

Befejezve

Körülmények

Beavatkozás / kezelés

Részletes leírás

Background and Rationale

Third-space endoscopy procedures are technically demanding. The primary challenge lies in the inadvertent transection of submucosal vessels, which leads to bleeding that obscures the surgical field and increases the risk of perforation. Currently, vessel identification is entirely operator-dependent.

Our team has developed a deep-learning based artificial intelligence model trained on 250,000 annotated images from 150 POEM procedures. This model is optimized for minimal latency, allowing for real-time visual overlays (delineation) of blood vessels on the endoscopic monitor.

Study Objectives The primary objective is to evaluate the Vessel Detection Rate (VDR)-the proportion of vessels identified by the endoscopist when assisted by the AI compared to standard practice.

The study will also investigate:

Vessel Detection Time (VDT): The latency between a vessel appearing in the field of view and its identification.

Study Design & Workflow:

In this prospective study, the AI system will be integrated into the Olympus EVIS X1 series endoscopy stack. As the endoscopist navigates the submucosal space, the AI will provide real-time visual segmentation masks highlighting vessels. The performance will be recorded and compared against a post-procedure review by independent experts to calculate sensitivity and detection speed.

Tanulmány típusa

Beavatkozó

Beiratkozás (Tényleges)

40

Fázis

  • Nem alkalmazható

Kapcsolatok és helyek

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

Tanulmányi helyek

  • India
    • Telangana
      • Hyderabad, Telangana, India, 500032
        • Asian Institute of Gastroenterology

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

  • Gyermek
  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Tanulmányozható nemek

Összes

Leírás

Inclusion Criteria:

  • Patients diagnosed with Achalasia Cardia or neoplasms.

Exclusion Criteria:

  • Patients with conditions deemed unsuitable for third space endoscopy procedures (e.g.: Candidiasis)

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: Az eszköz megvalósíthatósága
  • Kiosztás: Nem véletlenszerű
  • Beavatkozó modell: Párhuzamos hozzárendelés
  • Maszkolás: Nincs (Open Label)

Fegyverek és beavatkozások

Résztvevő csoport / kar
Beavatkozás / kezelés
Aktív összehasonlító: With Artificial Intelligence

Endoscopist will see the AI generated segmentation mask
Eszköz: AI generated segmentation mask for sub-mucosal blood vessels

Real time AI generated segmentation mask or delineation contours for sub-mucosal blood vessels visible on the endoscopy monitor.
Nincs beavatkozás: Without Artificial Intelligence

Endoscopist will not see the AI generated segmentation mask

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Vessel Detection Rate (VDR)
Időkeret: 3 months

the proportion of vessels identified by the endoscopist
3 months

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Vessel Detection Time (VDT)
Időkeret: 3 months

The latency between a vessel appearing in the field of view and its identification.
3 months

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Asian Institute of Gastroenterology, India

Nyomozók

  • Kutatásvezető: Abhishek Tyagi, Asian Intitute of Gastroenterology

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

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)

2026. február 10.

Elsődleges befejezés (Tényleges)

2026. április 30.

A tanulmány befejezése (Tényleges)

2026. április 30.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. január 27.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. február 3.

Első közzététel (Tényleges)

2026. február 10.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. szeptember 22.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. szeptember 18.

Utolsó ellenőrzés

2026. szeptember 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Kulcsszavak

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • AITSE-1

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. .

Iratkozz fel