リンパ節診断におけるCP-EBUSの予測モデル
2020年3月31日 更新者：Jiayuan Sun、Shanghai Chest Hospital
良悪性リンパ節診断におけるCP-EBUSマルチモーダル画像の深層学習に基づく予測モデル
グレースケール、血流ドップラー、エラストグラフィーを含む気管支内超音波（EBUS）マルチモーダル画像は、非侵襲的診断として使用でき、病理学的結果を補足することができ、重要な臨床応用価値があります。
この研究では、1,000 個の胸腔内の良性および悪性リンパ節 (LN) の EBUS マルチモーダル画像データベースを構築し、代表的な画像を自動的に選択して LN を診断できる深層学習ニューラル ネットワークをトレーニングします。
研究者らは、胸腔内 LN の深層学習に基づいた人工知能予測モデルを確立し、そのモデルを他の 300 個の LN で検証します。
調査の概要
状態
わからない
条件
詳細な説明
胸腔内 LN の拡大には幅広い疾患が含まれますが、その中でも肺癌の胸腔内 LN 転移は最も一般的な悪性疾患です。 炎症、結核、サルコイドーシスなどの良性病変も、標的治療のために区別する必要があります。
グレースケール、血流ドップラー、エラストグラフィーを含むEBUSマルチモーダル画像は、非侵襲診断として使用でき、病理学的結果を補足することができ、重要な臨床応用価値があります。 この研究には、EBUS 人工知能予測モデルの遡及的構築と、予測モデルの多施設前向き検証の 2 つの部分が含まれています。 合計 1,300 人の LN が研究に登録されます。
ビデオの保存中に、エラストグラフィーおよびドップラー機能を備えた超音波ホスト (EU-ME2、オリンパスまたはハイビジョン Avius、日立) および超音波気管支鏡検査 (BF-UC260FW、オリンパス、または EB1970UK、ペンタックス) を使用して、ターゲット LN および末梢血管を検査します。 。 対象となる LN のマルチモーダル画像データが収集されます。
研究者は、まず 1000 個の LN の画像を使用して深層学習に基づく人工知能予測モデルを構築し、他の 300 個の LN でそのモデルを検証します。 このモデルは、診断の有効性を検証するために、従来の定性的および定量的評価方法と比較されます。
研究の種類
観察的
入学 (予想される)
1300
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
Shanghai
-
Shanghai、Shanghai、中国、200030
- 募集
- Shanghai Chest Hospital
-
コンタクト：
- Jiayuan Sun, PhD
- 電話番号：1511 86-21-22200000
- メール：jysun1976@163.com
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年歳以上 (大人、高齢者)
健康ボランティアの受け入れ
なし
受講資格のある性別
全て
サンプリング方法
非確率サンプル
調査対象母集団
EBUS-TBNA による診断が必要な胸腔内 LN 拡大患者がこの研究に登録されています。
説明
包含基準:
- 胸部CTでは胸腔内LNの拡大（短径> 1cm）が示され、またはPET / CTでは胸腔内LNでのFDG取り込みの増加（SUV≧2.0）を示す患者が示されます。
- 執刀医は、肺がんの診断または術前病期分類のために LN に対して EBUS-TBNA を実施すべきであると考えた。
- 患者はEBUS-TBNAを受けることに同意し、インフォームドコンセントに署名し、禁忌がないこと。
除外基準:
- EBUS-TBNA に適さないその他の状況にある患者。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
|---|
|
前向き検証グループ
前向き検証セクションでは 2 つの診断方法が使用されます。1 つは従来の定性的および定量的な方法であり、もう 1 つはビデオに基づく人工知能予測モデルであり、診断の有効性を比較します。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
ビデオに基づくEBUSマルチモーダル人工知能予測モデルの診断有効性
時間枠：術後6ヶ月
|
診断有効性には、感度、特異度、陽性的中率、陰性的中率、診断精度が含まれます。
|
術後6ヶ月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
従来の定性的および定量的方法の診断有効性
時間枠：術後6ヶ月
|
診断有効性には、感度、特異度、陽性的中率、陰性的中率、診断精度が含まれます。
|
術後6ヶ月
|
|
画像に基づくマルチモーダル深層学習モデルの診断効果
時間枠：術後6ヶ月
|
診断有効性には、感度、特異度、陽性的中率、陰性的中率、診断精度が含まれます。
|
術後6ヶ月
|
|
深層学習に基づく予測モデルと従来の定性的および定量的手法との比較
時間枠：術後6ヶ月
|
診断有効性には、感度、特異度、陽性的中率、陰性的中率、診断精度が含まれます。
|
術後6ヶ月
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
スポンサー
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Sun J, Teng J, Yang H, Li Z, Zhang J, Zhao H, Garfield DH, Han B. Endobronchial ultrasound-guided transbronchial needle aspiration in diagnosing intrathoracic tuberculosis. Ann Thorac Surg. 2013 Dec;96(6):2021-7. doi: 10.1016/j.athoracsur.2013.07.005. Epub 2013 Sep 12.
- Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, Venugopalan S, Widner K, Madams T, Cuadros J, Kim R, Raman R, Nelson PC, Mega JL, Webster DR. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016 Dec 13;316(22):2402-2410. doi: 10.1001/jama.2016.17216.
- Saftoiu A, Vilmann P, Gorunescu F, Janssen J, Hocke M, Larsen M, Iglesias-Garcia J, Arcidiacono P, Will U, Giovannini M, Dietrich C, Havre R, Gheorghe C, McKay C, Gheonea DI, Ciurea T; European EUS Elastography Multicentric Study Group. Accuracy of endoscopic ultrasound elastography used for differential diagnosis of focal pancreatic masses: a multicenter study. Endoscopy. 2011 Jul;43(7):596-603. doi: 10.1055/s-0030-1256314. Epub 2011 Mar 24.
- Izumo T, Sasada S, Chavez C, Matsumoto Y, Tsuchida T. Endobronchial ultrasound elastography in the diagnosis of mediastinal and hilar lymph nodes. Jpn J Clin Oncol. 2014 Oct;44(10):956-62. doi: 10.1093/jjco/hyu105. Epub 2014 Aug 13.
- Steinfort DP, Conron M, Tsui A, Pasricha SR, Renwick WE, Antippa P, Irving LB. Endobronchial ultrasound-guided transbronchial needle aspiration for the evaluation of suspected lymphoma. J Thorac Oncol. 2010 Jun;5(6):804-9. doi: 10.1097/jto.0b013e3181d873be.
- Fujiwara T, Yasufuku K, Nakajima T, Chiyo M, Yoshida S, Suzuki M, Shibuya K, Hiroshima K, Nakatani Y, Yoshino I. The utility of sonographic features during endobronchial ultrasound-guided transbronchial needle aspiration for lymph node staging in patients with lung cancer: a standard endobronchial ultrasound image classification system. Chest. 2010 Sep;138(3):641-7. doi: 10.1378/chest.09-2006. Epub 2010 Apr 9.
- Nakajima T, Anayama T, Shingyoji M, Kimura H, Yoshino I, Yasufuku K. Vascular image patterns of lymph nodes for the prediction of metastatic disease during EBUS-TBNA for mediastinal staging of lung cancer. J Thorac Oncol. 2012 Jun;7(6):1009-14. doi: 10.1097/JTO.0b013e31824cbafa.
- Wang L, Wu W, Hu Y, Teng J, Zhong R, Han B, Sun J. Sonographic Features of Endobronchial Ultrasonography Predict Intrathoracic Lymph Node Metastasis in Lung Cancer Patients. Ann Thorac Surg. 2015 Oct;100(4):1203-9. doi: 10.1016/j.athoracsur.2015.04.143. Epub 2015 Jul 28.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2018年7月1日
一次修了 (予想される)
2020年6月30日
研究の完了 (予想される)
2020年12月31日
試験登録日
最初に提出
2019年12月2日
QC基準を満たした最初の提出物
2020年3月29日
最初の投稿 (実際)
2020年3月31日
学習記録の更新
投稿された最後の更新 (実際)
2020年4月2日
QC基準を満たした最後の更新が送信されました
2020年3月31日
最終確認日
2020年3月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。