정상 종격동 및 복부 협착 평가를 위한 내시경 초음파(EUS) 인공지능 모델
2021년 12월 10일 업데이트: Instituto Ecuatoriano de Enfermedades Digestivas
새로 개발된 인공지능 모델을 이용한 정상 종격동 및 복부 장기/해부 구조 협착의 내시경 초음파(EUS) 평가
따라서 EUS 적격성을 달성하기 위해서는 많은 수의 절차가 필요하지만 관찰자 간 합의는 여전히 매우 다양합니다.
해부학적 구조의 인공 지능(AI) 지원 인식은 훈련 과정과 관찰자 간 합의를 향상시킬 수 있습니다.
Robles-Medranet al. 선형 및 방사형 EUS 평가 중에 정상적인 해부학적 구조를 인식하는 AI 모델을 개발했습니다.
우리는 내시경 전문의를 금본위제로 삼아 개발한 AI 모델의 외부 검증 설계를 추구합니다.
연구 개요
상태
모병
상세 설명
내시경초음파(EUS)는 교육을 받을 수 있는 시설이 제한되어 있는 숙련도가 높은 시술입니다. 따라서 역량을 갖추기 위해서는 많은 절차가 필요합니다. 그러나 관찰자 간의 동의는 매우 다양합니다. 인공 지능(AI) 지원 인식 및 해부학적 구조의 특성화는 훈련 과정을 개선하는 동시에 관찰자 간의 합의를 개선할 수 있습니다. 그러나 개발된 EUS-AI 모델은 명시적으로 훈련되었거나 질병 샘플로만 또는 복부 해부학적 특징을 감지하기 위해 훈련되었습니다.
방사선 종양학과 같은 다른 분야에서는 개발된 AI 모델이 널리 사용되었습니다. 윤곽을 그리는 동안 인체의 모든 부분에 걸쳐 건강한 협착과 질병 협착을 동시에 인식해야 합니다. 정상 조직에 불필요한 방사선 조사를 피합니다. 건강한 샘플로 훈련되지 않은 EUS-AI 모델은 실생활에서 위양성 사례를 증가시킬 수 있습니다. 비정상/질병 협착의 잠재적인 과진단을 의미합니다. 외부 샘플로 훈련되지 않은 EUS-AI 모델
자동화된 기계 학습 소프트웨어를 사용하여 Robles-Medranda et al. 이전에 선형 및 방사형 EUS 평가 중에 해부학적 구조를 인식하는 CNN(Convolutional Neuronal Networks) AI 모델을 개발했습니다(AI Works, MD Consulting 그룹, 에콰도르). 우리가 아는 한, 이 EUS-AI 모델은 병리가 없고 따라서 정상적인 종격동 및 복부 장기/해부학 협착이 있는 환자의 EUS 비디오로 훈련된 최초의 모델입니다. 이 두 번째 단계에서는 내시경 전문의를 금본위제로 삼아 개발한 AI 모델의 외부 검증 설계를 추구합니다.
연구 유형
관찰
등록 (예상)
60
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Carlos Robles-Medranda
- 전화번호: +59342109180
- 이메일: carlosoakm@yahoo.es
연구 장소
-
-
Guayas
-
Guayaquil, Guayas, 에콰도르, 090505
- 모병
- Ecuadorian Institute of Digestive Diseases
-
연락하다:
- Carlos A Robles-Medranda, MD
- 전화번호: +593989158865
- 이메일: carlosoakm@yahoo.es
-
수석 연구원:
- Carlos Robles-Medranda, MD FASGE
-
부수사관:
- Martha Arevalo-Mora, MD
-
부수사관:
- Daniel Calle, MD MSc
-
부수사관:
- Miguel Puga-Tejada, MD MSc
-
부수사관:
- Raquel Del Valle Zavala, MD
-
부수사관:
- Juan Alcivar-Vasquez, MD Msc
-
-
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 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
확률 샘플
연구 인구
만성 소화불량으로 인한 영상 검사 및 EUS 평가 후 정상적인 종격동 및 복부 기관/해부학 협착이 있는 성인 환자.
설명
포함 기준:
- 최근 12개월 간 의료 목적으로 의뢰된 영상 검사(예: 흉부 X선 및 복부 초음파 또는 흉부 및 복부 CT)를 통해 확인된 흉부 및 복부 이상의 병력이 없는 환자
- 만성 소화불량으로 EUS 평가를 받는 환자.
제외 기준:
- 영상 검사 또는 EUS를 통해 기록된 적어도 하나의 종격동 및 복부 기관/해부 구조적 협착의 형태적 변경.
- 제어되지 않는 응고병증, 신부전/간부전 또는 심장 위험 평가에 의미 있는 영향을 미치는 모든 동반 질환(NHYA III/IV),
- 연구 참여를 거부하거나 해당 정보에 입각한 동의서에 서명하지 마십시오.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 케이스 전용
- 시간 관점: 단면
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
정상적인 종격동 및 복부 기관/해부학 협착이 있는 환자
만성 소화불량으로 인한 영상 검사 및 EUS 평가 후 정상적인 종격동 및 복부 기관/해부학 협착이 있는 성인 환자.
|
전문 내시경의는 종격동 및 복부 EUS 비디오 데이터 세트(환자당 1개)를 선택합니다.
전문 내시경의는 대동맥, 척추, 대동맥궁, 기관, AP 창, 왼쪽 신장, 간, 비장, 췌장체, 췌장 미부, 복강간, 비장동맥, 비장정맥, 하복부 대정맥, 부신, 우신장, 담낭, 총담관, 바터팽대부, 문맥.
종격동 및 복부 EUS 비디오의 동일한 이전 데이터 세트를 사용하여 EUS-AI 모델은 대동맥, 척추, 대동맥 궁, 기관, AP 창, 왼쪽 신장, 간, 비장, 췌장 몸체, 췌장 꼬리, 체강 몸통, 비장동맥, 비장정맥, 하대정맥, 부신, 우신장, 담낭, 총담관, 바터팽대부, 문맥.
각 환자(데이터 프레임 비디오가 아님)를 연구 단위로 고려하여 각 종격동 및 복부 기관/해부 구조적 협착에 대한 분할표를 설계합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
정상 종격동 및 복부 장기/해부학적 협착을 식별하기 위한 내시경 초음파(EUS) 인공지능(AI) 모델의 전반적인 정확도
기간: 삼 개월
|
민감도, 특이도, 양성 예측값, 음성 예측값, 진단 정확도 및 관찰된 일치도와 같은 전체 정확도 기능이 계산됩니다. 또한 다음과 같은 확률이 정의됩니다.
|
삼 개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Carlos Robles-Medranda, Ecuadorian Institute of Digestive Diseases
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
- 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.
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)
2021년 10월 1일
기본 완료 (예상)
2022년 3월 30일
연구 완료 (예상)
2022년 6월 30일
연구 등록 날짜
최초 제출
2021년 11월 26일
QC 기준을 충족하는 최초 제출
2021년 12월 8일
처음 게시됨 (실제)
2021년 12월 9일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2021년 12월 30일
QC 기준을 충족하는 마지막 업데이트 제출
2021년 12월 10일
마지막으로 확인됨
2021년 12월 1일
추가 정보
이 연구와 관련된 용어
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
미국에서 제조되어 미국에서 수출되는 제품
아니
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. .