正常な縦隔および腹部の狭窄を評価するための超音波内視鏡 (EUS) 人工知能モデル
2021年12月10日 更新者：Instituto Ecuatoriano de Enfermedades Digestivas
新しく開発された人工知能モデルを使用した正常な縦隔および腹部臓器/解剖学的狭窄の超音波内視鏡 (EUS) 評価
したがって、EUS コンピテンシーを達成するには多数の手順が必要ですが、観察者間の合意には依然として大きなばらつきがあります。
人工知能 (AI) を活用した解剖学的構造の認識は、トレーニング プロセスと観察者間の合意を改善する可能性があります。
ロブレス・メドランダら。は、線形および放射状 EUS 評価中に正常な解剖学的構造を認識する AI モデルを開発しました。
私たちは、内視鏡専門医をゴールドスタンダードとして考慮し、開発した AI モデルの外部検証の設計を追求します。
調査の概要
状態
募集
詳細な説明
超音波内視鏡 (EUS) は高度な技術を必要とする処置であり、トレーニングに利用できる施設の数は限られています。 したがって、コンピテンシーを達成するには多くの手順が必要です。 ただし、観察者間の合意は大きく異なります。 人工知能 (AI) を活用した解剖学的構造の認識と特徴付けは、観察者間の合意を改善しながらトレーニング プロセスを改善する可能性があります。 ただし、開発された EUS-AI モデルは、明示的にトレーニングされているか、疾患サンプルのみを使用して、または腹部の解剖学的特徴を検出するためにトレーニングされています。
放射線腫瘍学などの他の分野でも、開発された AI モデルは広く使用されています。 彼らは、輪郭形成中に人体のあらゆる部分の健康な狭窄と病気の狭窄を同時に認識する必要があります。 正常組織への不必要な照射を回避します。 健康なサンプルでトレーニングされていない EUS-AI モデルは、実際の実践中に偽陽性症例の増加を引き起こす可能性があります。 これは、異常/疾患による狭窄の過剰診断の可能性を意味します。 EUS-AI モデルは外部サンプルでトレーニングされていない
Robles-Medranda らは、自動機械学習ソフトウェアを使用して、は以前に、線形および放射状 EUS 評価中に解剖学的構造を認識する畳み込みニューロン ネットワーク (CNN) AI モデルを開発しました (AI Works、MD Consulting グループ、エクアドル)。 私たちの知る限り、この EUS-AI モデルは、病状がなく、したがって正常な縦隔および腹部の器官/解剖学的狭窄を持つ患者の EUS ビデオを使用してトレーニングされた最初のものです。 この第 2 段階では、内視鏡専門医をゴールドスタンダードとして考慮し、開発した AI モデルの外部検証の設計を追求します。
研究の種類
観察的
入学 (予想される)
60
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。
研究連絡先
- 名前：Carlos Robles-Medranda
- 電話番号：+59342109180
- メール：carlosoakm@yahoo.es
研究場所
-
-
Guayas
-
Guayaquil、Guayas、エクアドル、090505
- 募集
- Ecuadorian Institute of Digestive Diseases
-
コンタクト：
- Carlos A Robles-Medranda, MD
- 電話番号：+593989158865
- メール：carlosoakm@yahoo.es
-
主任研究者：
- Carlos Robles-Medranda, MD FASGE
-
副調査官：
- Martha Arevalo-Mora, MD
-
副調査官：
- Daniel Calle, MD MSc
-
副調査官：
- Miguel Puga-Tejada, MD MSc
-
副調査官：
- Raquel Del Valle Zavala, MD
-
副調査官：
- Juan Alcivar-Vasquez, MD Msc
-
-
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～79年 (大人、高齢者)
健康ボランティアの受け入れ
いいえ
受講資格のある性別
全て
サンプリング方法
確率サンプル
調査対象母集団
慢性消化不良による画像検査およびEUS評価後の縦隔および腹部臓器/解剖学的狭窄が正常な成人患者。
説明
包含基準:
- 過去12か月以内に医療目的で要求された画像検査（胸部X線と腹部超音波検査、胸部と腹部CTなど）で確認された胸部および腹部の異常の病歴のない患者
- 慢性消化不良のためEUS評価を受ける患者。
除外基準:
- 縦隔および腹部の臓器/解剖学的狭窄の少なくとも 1 つにおける形態学的変化が、画像検査または EUS によって記録されている。
- 制御されていない凝固障害、腎不全/肝不全、または心臓リスク評価に重大な影響を与える併存疾患（NHYA III/IV）。
- 研究への参加を拒否したり、対応するインフォームドコンセントに署名したりしないでください。
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
- 観測モデル：ケースのみ
- 時間の展望：断面図
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
正常な縦隔および腹部臓器/解剖学的狭窄のある患者
慢性消化不良による画像検査およびEUS評価後の縦隔および腹部臓器/解剖学的狭窄が正常な成人患者。
|
専門の内視鏡医は、縦隔および腹部の EUS ビデオのデータセット (患者ごとに 1 つ) を選択します。
専門の内視鏡医は、大動脈、椎骨、大動脈弓、気管、AP 窓、左腎臓、肝臓、脾臓、膵臓本体、膵尾部、腹腔幹、脾動脈、脾静脈、下臓器を正確に識別または可視化します。大静脈、副腎、右腎臓、胆嚢、総胆管、ファーター膨大部、門脈。
縦隔および腹部の EUS ビデオの以前の同じデータセットを使用して、EUS-AI モデルは次の臓器を認識します: 大動脈、椎骨、大動脈弓、気管、AP 窓、左腎臓、肝臓、脾臓、膵臓本体、膵臓尾部、腹腔幹、脾動脈、脾静脈、下大静脈、副腎、右腎臓、胆嚢、総胆管、ファーター膨大部、門脈。
各患者 (データ フレーム ビデオではなく) を研究単位として考慮し、各縦隔および腹部臓器/解剖学的狭窄ごとの分割表が設計されます。
|
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 |
|---|---|---|
|
正常な縦隔および腹部臓器/解剖学的狭窄を識別するための超音波内視鏡 (EUS) 人工知能 (AI) モデルの全体的な精度
時間枠：3ヶ月
|
全体的な精度の特徴（感度、特異度、陽性的中率、陰性的中率、診断精度、観察された一致）が計算されます。 さらに、次の確率が定義されます。
|
3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。
捜査官
- 主任研究者：Carlos Robles-Medranda、Ecuadorian Institute of Digestive Diseases
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
- Zhang J, Zhu L, Yao L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, An P, Xu B, Tan W, Hu S, Cheng F, Yu H. Deep learning-based pancreas segmentation and station recognition system in EUS: development and validation of a useful training tool (with video). Gastrointest Endosc. 2020 Oct;92(4):874-885.e3. doi: 10.1016/j.gie.2020.04.071. Epub 2020 May 6. Erratum In: Gastrointest Endosc. 2021 Mar;93(3):781.
- Kuwahara T, Hara K, Mizuno N, Haba S, Okuno N, Koda H, Miyano A, Fumihara D. Current status of artificial intelligence analysis for endoscopic ultrasonography. Dig Endosc. 2021 Jan;33(2):298-305. doi: 10.1111/den.13880. Epub 2020 Dec 5. Review.
- Robles-Medranda C, Oleas R, Del Valle R, Mendez JC, Alcívar-Vásquez JM, Puga-Tejada M, Lukashok H. Intelligence for real-time anatomical recognition during endoscopic ultrasound evaluation: a pilot study. Gastrointestinal Endoscopy. 2021; 93(6), AB221. https://doi.org/10.1016/J.GIE.2021.03.491
- Udriștoiu AL, Cazacu IM, Gruionu LG, Gruionu G, Iacob AV, Burtea DE, Ungureanu BS, Costache MI, Constantin A, Popescu CF, Udriștoiu Ș, Săftoiu A. Real-time computer-aided diagnosis of focal pancreatic masses from endoscopic ultrasound imaging based on a hybrid convolutional and long short-term memory neural network model. PLoS One. 2021 Jun 28;16(6):e0251701. doi: 10.1371/journal.pone.0251701. eCollection 2021.
- Yao L, Zhang J, Liu J, Zhu L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, Xu B, Hu S, Zheng B, Yang Y, Yu H. A deep learning-based system for bile duct annotation and station recognition in linear endoscopic ultrasound. EBioMedicine. 2021 Mar;65:103238. doi: 10.1016/j.ebiom.2021.103238. Epub 2021 Feb 24. Erratum in: EBioMedicine. 2021 Nov;73:103650.
- Tonozuka R, Mukai S, Itoi T. The Role of Artificial Intelligence in Endoscopic Ultrasound for Pancreatic Disorders. Diagnostics (Basel). 2020 Dec 24;11(1). pii: E18. doi: 10.3390/diagnostics11010018. Review.
- Marya NB, Powers PD, Chari ST, Gleeson FC, Leggett CL, Abu Dayyeh BK, Chandrasekhara V, Iyer PG, Majumder S, Pearson RK, Petersen BT, Rajan E, Sawas T, Storm AC, Vege SS, Chen S, Long Z, Hough DM, Mara K, Levy MJ. Utilisation of artificial intelligence for the development of an EUS-convolutional neural network model trained to enhance the diagnosis of autoimmune pancreatitis. Gut. 2021 Jul;70(7):1335-1344. doi: 10.1136/gutjnl-2020-322821. Epub 2020 Oct 7.
- Minoda Y, Ihara E, Komori K, Ogino H, Otsuka Y, Chinen T, Tsuda Y, Ando K, Yamamoto H, Ogawa Y. Efficacy of endoscopic ultrasound with artificial intelligence for the diagnosis of gastrointestinal stromal tumors. J Gastroenterol. 2020 Dec;55(12):1119-1126. doi: 10.1007/s00535-020-01725-4. Epub 2020 Sep 11.
- Cazacu IM, Udristoiu A, Gruionu LG, Iacob A, Gruionu G, Saftoiu A. Artificial intelligence in pancreatic cancer: Toward precision diagnosis. Endosc Ultrasound. 2019 Nov-Dec;8(6):357-359. doi: 10.4103/eus.eus_76_19.
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)
2021年10月1日
一次修了 (予想される)
2022年3月30日
研究の完了 (予想される)
2022年6月30日
試験登録日
最初に提出
2021年11月26日
QC基準を満たした最初の提出物
2021年12月8日
最初の投稿 (実際)
2021年12月9日
学習記録の更新
投稿された最後の更新 (実際)
2021年12月30日
QC基準を満たした最後の更新が送信されました
2021年12月10日
最終確認日
2021年12月1日
詳しくは
本研究に関する用語
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
いいえ
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
いいえ
米国FDA規制機器製品の研究
いいえ
米国で製造され、米国から輸出された製品。
いいえ
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。