초음파 이미징 중 폐암 병기 결정을 위한 암성 림프절 예측을 위한 인공 지능의 사용
2020년 3월 10일 업데이트: Wael Hanna, St. Joseph's Healthcare Hamilton
기관지내초음파 시 림프절의 초음파 특징 분할을 위한 인공지능과 심층신경망을 이용한 컴퓨터 지원 알고리즘의 개발 및 검증
본 연구는 심층신경 인공지능(AI) 네트워크(NeuralSeg)가 세그멘테이션 기법을 이용하여 EBUS-TBNA(endobronchial ultrasonic transbronchial needle aspiration)로 검사한 림프절에 Canada Lymph Node Score를 할당하는 방법을 학습할 수 있는지 확인하는 것을 목표로 한다.
이미지는 예비 라이브러리의 300개의 림프절 비디오에서 생성되며 알고리즘을 개발하기 위한 파생 세트로 사용됩니다.
NeuralSeg가 점수를 올바르게 적용할 수 있는지 확인하기 위해 추가로 100개의 림프절 이미지가 전향적으로 수집됩니다.
연구 개요
연구 유형
관찰
등록 (실제)
52
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Ontario
-
Hamilton, Ontario, 캐나다, L8N 4A6
- St. Joseph's Healthcare Hamilton
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
Phase A는 환자 등록을 요구하지 않습니다.
B상에서는 새로운 림프절 비디오의 유효성 검사 세트를 얻기 위해 환자의 전향적 등록이 필요합니다.
Joseph's Healthcare Hamilton에서 NSCLC의 종격 병기 결정을 위해 EBUS-TBNA 절차를 받을 예정인 모든 환자는 이 연구에 등록할 수 있습니다.
제외 기준은 없습니다.
나중에 컴퓨터 분석에 사용할 수 있도록 절차가 비디오로 녹화되는 한 가지 차이점을 제외하고 모든 환자는 일상적인 치료에 따라 EBUS-TBNA를 받게 됩니다.
설명
포함 기준:
- 폐암이 확인되었거나 의심되는 진단을 받고 EBUS 진단/병기 결정을 받아야 합니다.
제외 기준:
- 없음
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
림프절 초음파 소견을 파악하기 위한 컴퓨터 알고리즘 개발
기간: 후향적 데이터 수집부터 알고리즘 개발까지 (1개월)
|
목표: 심층 신경 AI 네트워크(NeuralSeg)가 기존(유도) 림프절 비디오 세트에 대한 분할 기술을 사용하여 EBUS에서 검사한 림프절에 캐나다 림프절 점수를 할당하는 방법을 학습할 수 있는지 확인합니다.
|
후향적 데이터 수집부터 알고리즘 개발까지 (1개월)
|
|
림프절 초음파 특징을 식별하기 위한 컴퓨터 알고리즘 검증
기간: 예상 데이터 수집에서 알고리즘 검증까지(6개월)
|
목표: NeuralSeg가 캐나다 림프절 점수를 이전에 본 적이 없는 새로운(검증) 림프절 비디오 세트에 올바르게 적용할 수 있는지 확인합니다.
|
예상 데이터 수집에서 알고리즘 검증까지(6개월)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
NeuralSeg에 의해 수행되는 세분화의 정확성 및 신뢰성
기간: 외과 의사가 수행하는 분할에서 NeuralSeg에 의해 수행되는 분할까지(1개월)
|
목표: DICE-SORENSEN 계수를 사용하여 숙련된 내시경 외과의가 수행한 분할과 NeuralSeg에서 수행한 분할의 정확도 및 신뢰성을 비교합니다.
|
외과 의사가 수행하는 분할에서 NeuralSeg에 의해 수행되는 분할까지(1개월)
|
|
림프절 악성 종양의 NeuralSeg 예측
기간: EBUS 영상에 사용되는 NeuralSeg 알고리즘에서 생검 보고서까지(최대 2~3개월 예상)
|
목표: 검사한 림프절의 생검 결과와 비교할 때 NeuralSeg가 림프절의 악성 종양을 정확하게 예측할 수 있는지 확인합니다.
|
EBUS 영상에 사용되는 NeuralSeg 알고리즘에서 생검 보고서까지(최대 2~3개월 예상)
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Wael C Hanna, St. Josephs Healthcare Hamilton
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- American College of Chest Physicians; Health and Science Policy Committee. Diagnosis and management of lung cancer: ACCP evidence-based guidelines. American College of Chest Physicians. Chest. 2003 Jan;123(1 Suppl):D-G, 1S-337S. No abstract available.
- Hanna WC, Yasufuku K. Bronchoscopic staging of lung cancer. Ther Adv Respir Dis. 2013 Apr;7(2):111-8. doi: 10.1177/1753465812468041. Epub 2012 Dec 20.
- Hylton DA, Turner J, Shargall Y, Finley C, Agzarian J, Yasufuku K, Fahim C, Hanna WC. Ultrasonographic characteristics of lymph nodes as predictors of malignancy during endobronchial ultrasound (EBUS): A systematic review. Lung Cancer. 2018 Dec;126:97-105. doi: 10.1016/j.lungcan.2018.10.020. Epub 2018 Oct 30.
- El-Sherief AH, Lau CT, Wu CC, Drake RL, Abbott GF, Rice TW. International association for the study of lung cancer (IASLC) lymph node map: radiologic review with CT illustration. Radiographics. 2014 Oct;34(6):1680-91. doi: 10.1148/rg.346130097.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2019년 4월 8일
기본 완료 (실제)
2019년 9월 23일
연구 완료 (실제)
2019년 11월 20일
연구 등록 날짜
최초 제출
2019년 2월 19일
QC 기준을 충족하는 최초 제출
2019년 2월 20일
처음 게시됨 (실제)
2019년 2월 21일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2020년 3월 11일
QC 기준을 충족하는 마지막 업데이트 제출
2020년 3월 10일
마지막으로 확인됨
2020년 3월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .