EUS 정상 해부학에서 인공 지능과 내시경 의사 식별
2024년 2월 22일 업데이트: Carlos Robles-Medranda, Instituto Ecuatoriano de Enfermedades Digestivas
정상적인 해부학적 구조를 식별하기 위한 내시경 초음파의 인공지능과 내시경 의사의 정확도 비교 평가: 다기관, 단면적 연구
내시경 초음파(EUS) 시각적 인상은 시술자에 따라 다르며 특히 경험이 부족한 내시경 의사의 경우 진단 정확도를 저하시킬 수 있습니다. 인공 지능을 구현하면 운영자 의존성과 해석 변동성을 잠재적으로 완화하여 전반적인 정확성을 돕거나 향상시킬 수 있습니다.
따라서 연구자들은 EUS 절차에서 정상적인 해부학적 구조를 식별할 때 인공 지능(AI) 기반 모델과 내시경 의사 간의 진단 정확도를 비교하는 것을 목표로 합니다.
연구 개요
상세 설명
EUS는 정확도가 경험과 기술에 따라 달라지는 작업자 의존적 절차입니다. 요즘 EUS 교육은 6~24개월 동안 센터에서 공식 펠로우십 교육을 받거나 짧은 실무 경험을 바탕으로 교훈적인 세션을 통한 비공식 교육을 통해 달성할 수 있습니다. 그러나 정확하고 완전한 학습 경험 측정을 위한 매개변수는 아직 정의되지 않았습니다. EUS에 인공지능을 구현하면 운영자 종속 변수를 잠재적으로 완화하고 진단 정확도를 향상시킬 수 있습니다.
따라서 AI 기반 모델을 사용해 정상적인 해부학적 구조를 별도로 탐지하고, 전문가와 비전문가 내시경 의사가 AI가 가장 도움이 될 부분을 판단한다.
연구자들은 AI 기반 모델의 진단 정확도를 EUS 절차에서 내시경 의사의 정상적인 해부학적 구조 식별과 비교하는 것을 목표로 합니다.
연구 유형
관찰
등록 (실제)
30
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Guayas
-
Guayaquil, Guayas, 에콰도르, 090505
- IECED
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
전문가 및 비전문가 위장 EUS-내시경 전문의.
설명
포함 기준:
- 전문 위장관 EUS-내시경 전문의.
- EUS에 대한 비전문가 위장 내시경 교육.
- 다른 소견이 없는 만성 소화불량 환자.
- 과거 CT 영상이나 상부 소화기 내시경 검사에서 다른 소견이 보고되지 않은 환자.
- MRI 소견 없이 췌장암 가족력이 있어 감시를 위해 EUS가 필요한 환자
제외 기준:
- 초당 100MB 미만의 인터넷 연결.
- 구조가 비정상이거나 육안으로 보이는 병변이 있는 환자.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
AI 기반 모델
AIWorks-EUS CNNv2(Convolutional Neural Network 버전 2)(mdconsgroup, Guayaquil, Ecuador)는 정상적인 해부학적 구조 감지를 위해 사전 녹화된 비디오에 적용되었습니다.
|
다양한 창(종격동, 위, 십이지장)에 따라 잘린 사전 녹화된 비디오는 AIWorks-EUS 모델과 내시경 의사에 의해 다양한 시간에 분석되어 다양한 정상적인 해부학적 구조를 인식합니다.
|
|
전문 내시경 전문의
각각 75건의 췌장암 및 점막암 병기 결정 절차, 40건의 상피하 사례를 포함하여 연간 190건 이상의 EUS 절차를 수행하는 내시경 의사; EUS-미세침흡인(FNA) 사례 50건(이중 25건은 췌장 사례); 미국 위장내시경학회(ASGE) 권장 사항을 따릅니다.
|
다양한 창(종격동, 위, 십이지장)에 따라 잘린 사전 녹화된 비디오는 AIWorks-EUS 모델과 내시경 의사에 의해 다양한 시간에 분석되어 다양한 정상적인 해부학적 구조를 인식합니다.
|
|
비전문가 내시경 의사
75건의 췌장암 및 점막암 병기 결정 절차, 40건의 상피하 사례를 포함하여 연간 190건 미만의 EUS 절차를 수행하는 내시경 의사; 및 EUS-FNA 50건(이중 25건은 췌장 사례); 미국 위장내시경학회(ASGE) 권장 사항을 따릅니다.
|
다양한 창(종격동, 위, 십이지장)에 따라 잘린 사전 녹화된 비디오는 AIWorks-EUS 모델과 내시경 의사에 의해 다양한 시간에 분석되어 다양한 정상적인 해부학적 구조를 인식합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
진단 정확도
기간: 5 개월
|
외부 내시경 전문의의 최적 기준에 따른 해부학적 구조 검출을 기반으로 한 진양성, 진음성, 위양성, 위음성.
|
5 개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
관찰자 간 합의
기간: 5 개월
|
Fleiss Kappa를 이용한 인공지능(AI) 기반 모델과 두 그룹(전문가 및 비전문가 내시경 의사) 간의 진단 정확도 비교.
|
5 개월
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
협력자
수사관
- 수석 연구원: Carlos Robles-Medranda, MD FASGE, Instituto Ecuatoriano de Enfermedades Digestivas (IECED)
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
- Han C, Nie C, Shen X, Xu T, Liu J, Ding Z, Hou X. Exploration of an effective training system for the diagnosis of pancreatobiliary diseases with EUS: A prospective study. Endosc Ultrasound. 2020 Sep-Oct;9(5):308-318. doi: 10.4103/eus.eus_47_20.
- Cho CM. Training in Endoscopy: Endoscopic Ultrasound. Clin Endosc. 2017 Jul;50(4):340-344. doi: 10.5946/ce.2017.067. Epub 2017 Jul 31.
- Finocchiaro M, Cortegoso Valdivia P, Hernansanz A, Marino N, Amram D, Casals A, Menciassi A, Marlicz W, Ciuti G, Koulaouzidis A. Training Simulators for Gastrointestinal Endoscopy: Current and Future Perspectives. Cancers (Basel). 2021 Mar 20;13(6):1427. doi: 10.3390/cancers13061427.
- Robles-Medranda C, Baquerizo-Burgos J, Puga-Tejada M, Del Valle R, Mendez JC, Egas-Izquierdo M, Arevalo-Mora M, Cunto D, Alcivar-Vasquez J, Pitanga-Lukashok H, Tabacelia D. Development of convolutional neural network models that recognize normal anatomic structures during real-time radial-array and linear-array EUS (with videos). Gastrointest Endosc. 2024 Feb;99(2):271-279.e2. doi: 10.1016/j.gie.2023.10.028. Epub 2023 Oct 10.
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)
2023년 5월 1일
기본 완료 (실제)
2023년 10월 1일
연구 완료 (실제)
2024년 1월 26일
연구 등록 날짜
최초 제출
2024년 2월 16일
QC 기준을 충족하는 최초 제출
2024년 2월 22일
처음 게시됨 (추정된)
2024년 2월 28일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2024년 2월 28일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 2월 22일
마지막으로 확인됨
2024년 2월 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. .