자율 인공 지능과 AI 보조 인간 광학 진단 (CADx-Prosp)
2024년 11월 13일 업데이트: Daniel Von Renteln, Centre hospitalier de l'Université de Montréal (CHUM)
자율 인공 지능 대 AI 지원 인간의 대장 용종 광학 진단: 무작위 대조 시험
컴퓨터 보조 영상 강화 내시경 검사는 90% 이상의 정확도로 대장 폴립의 특성을 예측할 수 있습니다. 이 기술은 인공지능(AI)을 이용해 폴립 영상을 분석해 실시간으로 진단하는 방법을 학습하는 기술이다. 이는 의사가 시술 중 작은 폴립에 대해 즉각적으로 예측할 수 있어 별도의 병리학 검사 필요성이 줄어들고 비용이 절감되어 궁극적으로 환자 치료를 개선할 수 있음을 의미합니다.
전통적으로 컴퓨터를 사용하지 않는 폴립 진단은 의사마다 크게 다릅니다. AI는 일관되고 정확한 컴퓨터 지원 진단(CADx)을 제공하여 이러한 변동성을 줄이는 데 도움을 줄 수 있습니다. 과거에 CADx 시스템은 폴립이 암인지 여부만 알 수 있었습니다. 그러나 최근 발전을 통해 현재 CADx 시스템이 의사만큼 정확하다는 사실이 입증되었습니다. 널리 사용하려면 이러한 시스템이 톱니 모양의 폴립을 포함하여 식별하기가 더 어려운 다양한 유형의 폴립을 인식해야 합니다. 이러한 톱니 모양의 폴립을 인식하기 위해 최신 CADx 시스템이 개발되고 있지만 자율 사용을 위해서는 여전히 추가 검증이 필요합니다.
연구 개요
상세 설명
우리의 연구 가설은 톱니 모양의 폴립 인식 기능을 갖춘 새로운 CADx 시스템을 사용한 자율 진단이 내시경 의사가 CADx 진단을 확인하거나 교정할 때보다 열등하지 않다는 것입니다.
본 연구의 1차 목표는 자동 CADx 시스템(AI-A)에 의한 광학 폴립 진단의 정확도가 내시경 의사가 실시간 CADx 진단(AI-A)을 보고 수행한 광학 폴립 진단의 정확도보다 열등하지 않은지 검증하는 것이다. 시간).
이 RCT를 통해 우리는 톱니형 폴립을 포함한 실시간 광학 폴립 진단을 위한 자율 CADx의 잠재적인 사용을 결정할 수 있습니다.
연구 유형
중재적
등록 (추정된)
540
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Daniel von Renteln, MD
- 전화번호: 30912 514 890-8000
- 이메일: daniel.von.renteln.med@ssss.gouv.qc.ca
연구 장소
-
-
Quebec
-
Montréal, Quebec, 캐나다
- Ghislaine Ahoua
-
연락하다:
- Daniel Von Renteln, MD
-
-
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
설명
포함 기준:
- 전체 대장내시경 검사에 대한 적응증.
제외 기준:
- 알려진 염증성 장질환
- 활동성 대장염
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 해당 없음
- 중재 모델: 단일 그룹 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
다른: 모든 참가자
내시경 의사는 백색광(WL)에서 모든 작은 폴립(최대 10mm)에 대해 광학 진단(OD) 예측을 수행합니다.
그런 다음 내시경 의사는 IEE(영상 강화 내시경) 모드를 사용하여 또 다른 OD 예측을 수행합니다.
그 후에는 CADx가 IEE 모드에서 활성화되고 CADx 예측이 문서화됩니다.
마지막으로, CADx 예측을 본 후 내시경 의사는 자율 CADx 예측에 동의하거나 동의하지 않을 수 있는 최종 예측을 내립니다.
폴립은 절제되어 병리학 실험실로 보내지며, 그곳에서 병리학적 진단(내시경 의사의 예측을 보지 못함)이 렌더링됩니다.
|
CADx 시스템은 발견된 폴립의 조직병리학을 예측하는 데 사용됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
합의된 CADx 지원 진단과 비교하여 폴립 1-5mm에 대한 광학 진단의 정확도
기간: 최대 100주
|
조직병리학 결과를 참고로 사용하는 경우 합의된 CADx 지원 진단과 비교하여 폴립 1-5mm에 대한 광학 진단의 정확도
|
최대 100주
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
회상, 특이성, 양성 및 음성 예측 값(PPV/NPV), 특히 직장 S상 종양 폴립의 NPV를 포함한 테스트 특성입니다.
기간: 최대 100주
|
≥90% NPV는 이러한 작은 폴립을 절제하지 않는 전략의 품질 벤치마크로 사용됩니다.
|
최대 100주
|
|
AI-A와 AI-H의 감시 간격 권장 사항이 병리학 기반 권장 사항과 비교하여 일치함
기간: 최대 100주
|
감시 간격 할당의 경우, 감시 간격 권장 사항을 계산할 때 5mm를 초과하는 동반 폴립(모든 크기 및 조직학의 여러 동시 폴립 포함)의 병리학 결과가 고려됩니다.
감시 권장 사항은 우리 센터의 현재 실행 표준인 2020 미국 다사회 태스크 포스 지침을 기반으로 합니다.
|
최대 100주
|
|
각 접근법에 대해 즉각적인 감시 권고가 직접 제공될 수 있는 환자의 비율 및 조직병리학 기반 폴립 검사를 피할 수 있는 빈도.
기간: 최대 100주
|
OD(어느 접근법이든)의 잠재적인 비용 효율성은 위에서 설명한 측정값을 사용하여 평가됩니다.
|
최대 100주
|
|
참여 내시경 의사에 따른 OD(AI-A 및 AI-H)의 가변성.
기간: 최대 100주
|
참여하는 각 내시경 의사는 내시경 의사 관련 요인을 평가하기 위해 유사한 수의 안과 진단을 실시합니다.
|
최대 100주
|
|
OD의 비용 효율성((AI-A 및 AI-H)
기간: 최대 100주
|
비용 효율성 모델을 적용하여 비용을 보다 효과적으로 정량화하고 더 넓은 선별 대상 집단에 일반화할 때 주요 비용 동인을 포함한 비용 영향을 이해할 수 있습니다.
|
최대 100주
|
|
합의된 CADx 지원 진단과 비교하여 폴립 1-10mm에 대한 광학 진단의 정확도
기간: 최대 100주
|
조직병리학 결과를 참고 자료로 사용할 때 합의된 CADx 지원 진단과 비교하여 폴립 1-10mm에 대한 광학 진단의 정확도
|
최대 100주
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Daniel von Renteln, MD, University of Montreal Medical Center (CHUM)
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 (추정된)
2024년 11월 15일
기본 완료 (추정된)
2024년 11월 15일
연구 완료 (추정된)
2024년 11월 15일
연구 등록 날짜
최초 제출
2024년 7월 30일
QC 기준을 충족하는 최초 제출
2024년 8월 5일
처음 게시됨 (실제)
2024년 8월 9일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 11월 15일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 11월 13일
마지막으로 확인됨
2024년 11월 1일
추가 정보
이 연구와 관련된 용어
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
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. .