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. április 14. frissítette: Abhishek Tyagi, Asian Institute of Gastroenterology, India

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

Ez a prospektív vizsgálat célja egy új mesterséges intelligencia (MI) klinikai döntéstámogató eszköz teljesítményének értékelése a harmadik tér endoszkópos beavatkozások, például az endoszkópos submukózis diszekció (ESD) és a perorális endoszkópos miotómia (POEM) során.

Bár ezek a beavatkozások hatékonyak a gasztrointesztinális daganatok és motilitászavarok kezelésében, a beavatkozás közbeni vérzés és perforáció kockázatával járnak, ha a submukózis vérerek nem azonosítódnak és koagulálódnak megfelelően. Korábbi retrospektív validációra építve ez a vizsgálat értékeli, hogy egy valós idejű mesterséges intelligencia modell segítheti-e az endoszkopistákat a vérerek pontosabb és gyorsabb észlelésében és meghatározásában élő humán beavatkozások során.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Beavatkozás / kezelés

Részletes leírás

Háttér és indoklás

A harmadik tér endoszkópos eljárások technikailag igényesek. A fő kihívás a nyálkahártya alatti erek véletlen átvágása, amely vérzést okoz, elhomályosítja a műtéti teret és növeli a perforáció kockázatát. Jelenleg az ér-azonosítás teljes mértékben a kezelőorostól függ.

Csapatunk kifejlesztett egy mélytanuláson alapuló mesterséges intelligencia modellt, amely 150 POEM eljárásból származó 250 000 annotált képen lett betanítva. Ez a modell minimális késleltetésre van optimalizálva, lehetővé téve az erek valós idejű vizuális átfedéseinek (körvonalazását) az endoszkópos monitoron.

Tanulmány célkitűzései A fő cél a Vessel Detection Rate (VDR) értékelése – az AI által segített endoszkopista által azonosított erek arányának összehasonlítása a szokásos gyakorlattal.

A tanulmány azt is vizsgálja:

Vessel Detection Time (VDT): A késleltetés egy ér megjelenése a látómezőben és azonosítása között.

Tanulmánytervezés és munkafolyamat:

Ebben a prospektív tanulmányban az AI rendszer integrálva lesz az Olympus EVIS X1 sorozatú endoszkópia veremben. Ahogy az endoszkopista navigál a nyálkahártya alatti térben, az AI valós idejű vizuális szegmentálási maszkokat biztosít, amelyek kiemelik az ereket. A teljesítmény rögzítésre kerül, és összehasonlításra kerül a független szakértők utólagos felülvizsgálatával az érzékenység és az észlelési sebesség kiszámítása érdekében.

Tanulmány típusa

Beavatkozó

Beiratkozás (Becsült)

20

Fázis

  • Nem alkalmazható

Kapcsolatok és helyek

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

Tanulmányi kapcsolat

Tanulmányozza a kapcsolattartók biztonsági mentését

Tanulmányi helyek

  • India
    • Telangana
      • Hyderabad, Telangana, India, 500032
        • Toborzás
        • Asian Institute of Gastroenterology
        • Kapcsolatba lépni:
        • Kutatásvezető:
          • Abhishek Tyagi, M.S.

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

Leírás

Bevonási kritériumok:

  • Achalasia Cardia vagy daganatok diagnosztizált betegei.

Kizárási kritériumok:

  • Harmadik téri endoszkópos eljárásokra alkalmatlannak ítélt állapotú betegek (pl.: 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: Véletlenszerűsített
  • Beavatkozó modell: Párhuzamos hozzárendelés
  • Maszkolás: Nincs (Open Label)

Fegyverek és beavatkozások

Résztvevő csoport / kar
Beavatkozás / kezelés
Aktív összehasonlító: Mesterséges Intelligencia segítségével
Az endoszkopos látni fogja az AI által generált szegmentálási maszkot
Eszköz: AI által generált szegmentálási maszk a nyálkahártya alatti vérerekhez
Valós idejű, mesterséges intelligenciával generált szegmentálási maszk vagy kontúrvonalak a nyálkahártya alatti vérerekhez, amelyek láthatók az endoszkópmonitoron.
Nincs beavatkozás: Mesterséges Intelligencia Nélkül
Az endoszkópos orvos nem fogja látni az AI által generált szegmentálási maszkot

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Érérzékelési arány (VDR)
Időkeret: 3 hónap
az endoszkopista által azonosított erek aránya
3 hónap

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Érérzékelési idő (VDT)
Időkeret: 3 hónap
A késleltetés a hajó megjelenése a látómezőben és azonosítása között.
3 hónap

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 (Becsült)

2026. április 30.

A tanulmány befejezése (Becsült)

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. április 15.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. április 14.

Utolsó ellenőrzés

2026. február 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