- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06447012
Sviluppo dell'intelligenza artificiale per la diagnosi dei polipi colorettali
Sviluppo di un nuovo strumento diagnostico per colonscopia computerizzata in tempo reale per i polipi colorettali: diagnosi delle lesioni e gestione personalizzata del paziente
La classificazione accurata delle escrescenze nell'intestino crasso (polipi) identificate durante la colonscopia è fondamentale per informare il rischio di cancro del colon-retto. L'identificazione affidabile del rischio di cancro dei singoli polipi aiuta a determinare la migliore opzione di trattamento per il polipo rilevato e a determinare i requisiti di intervallo appropriati per la futura colonscopia per controllare il sito di rimozione e per ulteriori polipi in altre parti dell'intestino.
Le attuali tecniche avanzate di imaging endoscopico richiedono competenze ed esperienza specialistiche con una lunga curva di apprendimento associata e un aumento dei tempi di procedura. È per questi motivi che, nonostante siano stati introdotti nella pratica clinica, l’adozione di tali tecniche è limitata e gli attuali metodi di stratificazione del rischio di polipi durante la colonscopia senza intelligenza artificiale (AI) non sono ottimali. Circa il 25% dei polipi intestinali rimossi mediante interventi chirurgici importanti vengono analizzati e successivamente si rivelano polipi non cancerosi che avrebbero potuto essere rimossi tramite endoscopia, evitando così un intervento chirurgico che altera l'anatomia e i rischi associati. Con una diagnosi accurata dei polipi e una stratificazione del rischio in tempo reale con l’intelligenza artificiale, tali polipi avrebbero potuto essere rimossi in modo non chirurgico (endoscopicamente). Le attuali piattaforme di diagnosi assistita da computer (CADx, una forma di intelligenza artificiale) differenziano solo tra polipi cancerosi e non cancerosi, il che ha un valore limitato nel fornire un rischio personalizzato per il paziente di cancro del colon-retto. Lo sviluppo di un algoritmo multiclasse è di maggiore complessità rispetto a una classificazione binaria e richiede set di dati di training e convalida più ampi. Un robusto algoritmo CADx dovrebbe includere anche dati addestrabili globali per ridurre al minimo l’introduzione di bias. È per questi motivi che si tratta di uno studio multicentrico internazionale pianificato.
Gli investigatori mirano a sviluppare un nuovo strumento di previsione del rischio di previsione della patologia di cinque classi di intelligenza artificiale che fornisca informazioni affidabili per identificare il rischio di cancro indipendentemente dall'abilità dell'endoscopista.
Queste 5 categorie vengono scelte perché le opzioni di trattamento differiscono a seconda del tipo di polipo e le future linee guida per la colonscopia di controllo richiedono queste categorie
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
L'uso dell'intelligenza artificiale nel rilevamento assistito da computer (CADe) per rilevare polipi (escrescenze precancerose) durante la colonscopia sta guadagnando crescente interesse e accettazione con molteplici dispositivi già presenti nel mercato tradizionale. Il ricercatore sa già dal lavoro svolto in altri paesi che il rilevamento di un numero maggiore di polipi comporta una riduzione del rischio di cancro intestinale per il paziente sottoposto alla procedura, negli anni successivi alla colonscopia (ad es. sono state rilevate e rimosse escrescenze precancerose). Ciò ha costituito la base dei programmi nazionali di screening del cancro intestinale. Con l’aumento del rilevamento di polipi del colon-retto, vi è una crescente necessità di identificare correttamente la natura del polipo per informare sul rischio di cancro del colon-retto con il polipo rilevato e anche sul potenziale rischio futuro per il paziente. È inoltre necessaria una diagnosi accurata del polipo per determinare la modalità o la rimozione corretta: se ciò richiede effettivamente la rimozione (con conseguente risparmio di costi e risorse in un clima attuale difficile), se la rimozione endoscopica è possibile e, in caso affermativo, con quale procedura, se un intervento chirurgico è obbligatorio.
I dati pubblicati dimostrano che circa un quarto dei polipi colorettali rimossi chirurgicamente in pazienti sottoposti a chirurgia maggiore erano benigni e pertanto la chirurgia maggiore avrebbe potuto essere evitata rimuovendo questi polipi per via endoscopica, riducendo il rischio di complicanze e la conservazione dell'organo per il paziente.
Le attuali tecniche di diagnosi dei polipi comportano l'uso e l'interpretazione di coloranti specialistici ed endoscopi di ingrandimento che consentono di acquisire competenze specialistiche con una curva di apprendimento associata e un aumento dei tempi della procedura. È per questi motivi che, nonostante siano stati introdotti nella pratica clinica, l’adozione di tali tecniche è limitata e gli attuali metodi di stratificazione del rischio di polipi durante la colonscopia senza AI non sono ottimali.
Gli attuali algoritmi AI (CADx) per la diagnosi dei polipi sono limitati a una classificazione più piccola. Le attuali piattaforme CADx differenziano tra polipi cancerosi e non cancerosi, il che ha un valore limitato nel fornire un rischio personalizzato per il paziente di cancro del colon-retto. Lo sviluppo di un algoritmo multiclasse è di maggiore complessità rispetto a una classificazione binaria e richiede set di dati di training e convalida più ampi. Un robusto algoritmo CADx dovrebbe includere anche dati addestrabili globali per ridurre al minimo l’introduzione di bias. È per questi motivi che si tratta di uno studio multicentrico internazionale pianificato
Prospettiva raccolta dati:
Questo studio sarà condotto insieme alla normale assistenza al paziente, ma richiederà al personale di ricerca di inserire i dati in un modulo di report sicuro basato sul web (database REDCAP). Ciò significa che i partecipanti saranno sottoposti esattamente alla stessa procedura, senza differenze e senza visite o dati aggiuntivi, rispetto a quanto sarebbe avvenuto altrimenti. I partecipanti saranno quei pazienti a cui è stata programmata una colonscopia per i motivi standard. I pazienti saranno invitati secondo le modalità consuete alla colonscopia.
Potrebbero, ove possibile, ricevere il PIS insieme alla lettera di appuntamento (fino a 6 settimane prima). All'arrivo nell'unità di endoscopia, verranno avvicinati da un membro del gruppo di ricerca e gli verrà consegnata una copia del PIS da leggere, fino a un'ora prima della procedura. Verranno fornite informazioni e spiegazioni faccia a faccia, previo consenso scritto per consentire la raccolta dei loro dati nel database. Poiché lo studio non richiede alcuna modifica o procedure aggiuntive, lo sperimentatore ritiene che un approccio iniziale all'arrivo nell'unità di endoscopia fornirà tempo sufficiente e appropriato per dare il consenso, anche se il PIS non è stato letto in anticipo (sebbene verrà inviato se possibile). L'unica considerazione aggiuntiva sarà il consenso alla registrazione del video (nessun dato identificabile del paziente verrà trasferito come parte di questo aspetto).
Una volta completata la colonscopia, non verranno effettuate ulteriori visite.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Contatto studio
- Nome: Shraddha B Gulati, MBBS PHD MRCP
- Numero di telefono: +442032996044
- Email: shraddha.gulati@nhs.net
Backup dei contatti dello studio
- Nome: Olaolu Olabintan, MBBS MRCP
- Numero di telefono: +447939056819
- Email: olaolu.olabintan@nhs.net
Luoghi di studio
-
-
-
London, Regno Unito, SE5 9RS
- Reclutamento
- King's College Hospital NHS Foundation Trust
-
Contatto:
- Shraddha B Gulati, MBBS PHD MRCP
- Numero di telefono: +442032996044
- Email: shraddha.gulati@nhs.net
-
Contatto:
- Olaolu Olabintan, MBBS MRCP
- Numero di telefono: +447939056819
- Email: olaolu.olabintan@nhs.net
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Oltre 18 anni all'inclusione Colonscopia sintomatica o di screening
Criteri di esclusione:
- Impossibile fornire il consenso informato.
- Displasia associata a colite
- Polipi nei siti di anastomosi chirurgica
- Gravidanza
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Per ottenere una precisione complessiva dell'85% per l'algoritmo di previsione delle lesioni a cinque classificazioni.
Lasso di tempo: 24 mesi
|
Sensibilità e specificità
|
24 mesi
|
|
Valore previsto positivo e negativo
Lasso di tempo: 24 mesi
|
Valutare la precisione del dispositivo addestrato
|
24 mesi
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Accordo tra osservatori sulla previsione dell'istologia dei polipi da parte degli endoscopisti durante il processo di annotazione.
Lasso di tempo: 36 mesi
|
Analizzeremo il calcolo dell'accordo istologico tra l'endoscopista avanzato
|
36 mesi
|
|
La sottoanalisi delle caratteristiche dei polipi si è concentrata su diversi generi ed etnie.
Lasso di tempo: 36 mesi
|
Valutare se la previsione del sesso, dell'etnia e dell'età del paziente è possibile con l'uso del modello CADx sviluppato.
|
36 mesi
|
|
Questa sarà una sottoanalisi di un algoritmo AI addestrato a prevedere l'istologia dei polipi utilizzando la coorte di dati prospettici.
Lasso di tempo: 36 mesi
|
Un gruppo multidisciplinare condurrà anche un’analisi qualitativa delle diagnosi errate di CADx per valutarne il potenziale impatto
|
36 mesi
|
|
Effetti appresi dell'endoscopia aumentata dall'intelligenza artificiale sulla diagnosi ottica endoscopista
Lasso di tempo: 36 mesi
|
Valuteremo se l'uso dell'intelligenza artificiale durante la colonscopia può essere uno strumento di apprendimento per l'endoscopista
|
36 mesi
|
Collaboratori e investigatori
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 323988
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Polipo del colon
-
Ewha Womans UniversityCompletatoEquilibrio posturale | Focus of Study is Effects of Neuromuscular Training | PilatesCorea del Sud
-
National Taiwan University HospitalNon ancora reclutamento
-
Research Unit Of General Practice, CopenhagenUniversity of Copenhagen; Region Capital Denmark; The Copenhagen General Practice... e altri collaboratoriCompletato
-
Indiana UniversityReclutamentoEcografia Point of Care (POCUS)Stati Uniti
-
Kirsehir Ahi Evran UniversitesiReclutamentoFocus of AttentionTurchia (Türkiye)
-
University Health Network, TorontoNon ancora reclutamento
-
National Taiwan University HospitalCompletatoEcografia Point-of-careTaiwan
-
Asociacion Española Primera en SaludIntensive Care Unit Pasteur HospitalCompletatoEcografia Point of CareUruguay
-
Aga Khan UniversityThe Hospital for Sick Children; Grand Challenges CanadaSconosciuto
-
Aalborg UniversityThe General Practice Foundation in Denmark (grant number A3495); The Novo Nordisk... e altri collaboratoriCompletato