폴립 병리 및 내시경 분류 예측을 위한 AI
2025년 1월 12일 업데이트: Peking Union Medical College Hospital
인공 지능으로 대장내시경 검사 중 대장 폴립의 병리 및 내시경 분류를 예측합니다.
배경: 폴립의 출현을 토대로 광학적 진단을 하는 대장내시경은 내시경적 치료방법 선택의 길잡이가 될 수 있으며, 불필요한 폴립절제술과 조직병리학적 진단의 필요성을 줄이고 적시에 추적관찰 전략을 세울 수 있다[1].
이러한 접근법은 환자와 의료 시스템의 경제적 부담을 크게 완화하고 임상 자원에 대한 긴장을 효과적으로 완화할 수 있습니다[2].
Pit Pattern [3], NICE [4], WASP [5], MS [6] 등 다양한 내시경 용종 분류 방법을 사용하여 병리학적 유형을 결정합니다.
그러나 이러한 분류 방법을 익히려면 내시경 의사가 광범위한 교육을 받아야 하며, 각 방법의 고유한 결함으로 인해 단일 내시경 분류 방법으로는 모든 유형의 폴립을 광학 진단 요구 사항을 충족하도록 정확하게 진단할 수 없습니다.
이러한 한계는 임상 실습에서 광학 진단의 광범위한 적용을 방해했습니다[7].
컴퓨터 보조 진단(CADx)으로 알려진 이 분야에 인공 지능 기술을 적용하는 것은 최근 몇 년 동안 급속한 발전을 보였습니다.
수많은 대규모 전향적 연구를 통해 미세한 병변(<5mm)의 광학 진단을 위한 CADx 기술의 정확도가 유럽과 미국 내시경 학회가 광학 진단을 위해 설정한 임계값을 본질적으로 충족했음이 입증되었습니다[8,9].
그러나 5mm 이상의 폴립에 대한 CADx의 진단 효능은 여전히 불분명합니다.
더욱이, 현재의 연구는 대부분 일반적인 선종과 증식성 폴립을 구별하는 데 국한되어 있으며, 톱니 모양 병변은 거의 주의를 기울이지 않습니다. 톱니 모양 병변은 전암성 병변이고 더욱 빠르게 진행되며 내시경 의사가 평가하기가 더 어렵습니다.
이러한 이유로 인해 CADx는 폴립 병리학적 유형의 실시간 정확한 판단을 위해 임상 실습에 널리 적용되지 않습니다.
연구 개요
연구 유형
관찰
등록 (추정된)
400
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Wenmo Hu, MD
- 전화번호: 86+15101581963
- 이메일: huwenmo1995@126.com
연구 장소
-
-
-
Beijing, 중국, 100730
- 모병
- Peking Union Medical College Hospital
-
연락하다:
- Wenmo Hu, MD
- 전화번호: 86+15101581963
- 이메일: huwenmo1995@126.com
-
연락하다:
- Wenmo Hu, 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
예
샘플링 방법
확률 샘플
연구 인구
정기적인 대장내시경 검사를 받고 있는 18세 이상 환자
설명
포함 기준:
- 다기관병원 내시경센터에서 정기 대장내시경 검진을 받는 외래환자 또는 입원환자
- 18세 이상
- 연구 내용을 이해하고 사전 동의서에 서명했습니다.
제외 기준:
- 위마비 또는 위출구 폐쇄;
- 장폐색 또는 천공이 알려져 있거나 의심되는 경우
- 중증 만성 신부전(크레아티닌 청소율 30mL/분 미만)
- 중증 울혈성 심부전(뉴욕 심장 협회 등급 III 또는 IV);
- 현재 임신 중이거나 수유 중입니다.
- 독성 대장염 또는 거대결장;
- 제대로 조절되지 않은 고혈압(수축기 혈압 180mmHg 초과 및/또는 확장기 혈압 100mmHg 초과)
- 중등도 또는 대량의 활성 위장 출혈(>100mL/일);
- 심각한 정신적 또는 심리적 질병;
- 장 준비에 사용되는 약물에 대한 알레르기;
- 대장암 수술을 받은 환자입니다.
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 |
|---|---|
|
정기적인 대장내시경 검사를 받고 있는 18세 이상 환자
|
AI 모델 개발 단계의 목표는 가능한 한 많은 샘플을 포함하는 것입니다. 톱니 모양 병변의 진단 정확도에 초점을 맞춰 현재까지 북경연합의과대학병원 병리과에서 병리학적 진단을 받은 톱니 모양 병변 약 400례를 후향적으로 수집하였다. 또한 과형성 폴립, 기존 선종, 초기 대장암 각각 400건, 총 약 1,600건을 일치시켰습니다. 이 모델은 주류 AI 분류 알고리즘을 사용하여 모델을 구성하고 다양한 모델의 예측 성능을 비교합니다. 폴립 병변의 정적 이미지와 해당 병리학적 진단 및 내시경 분류가 포함된 1단계에서 구축된 데이터 세트를 활용하여 AI 모델을 개발하고 최적화했습니다. 그런 다음 모델은 효능을 조사하기 위해 전향적 코호트의 내시경 의사와 비교됩니다. |
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
대장용종에 대한 광학적 진단의 정확성
기간: 2년
|
AI 모델의 광학 진단 정확도는 내시경 의사의 정확도와 비교되며, 병리학적 진단은 최적의 표준으로 사용됩니다.
|
2년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
광학 진단의 기타 평가 매개변수
기간: 2년
|
안과진단의 민감도, 특이도, 양성예측도(PPV), 음성예측도(NPV) 등을 포함
|
2년
|
|
대장 폴립의 내시경 분류 결정의 정확성
기간: 2년
|
본 연구에서는 숙련된 내시경 의사의 내시경 분류 판단을 최적 기준으로 사용하여 병변의 내시경 분류 결정에 있어서 AI 모델의 정확성을 조사합니다.
내시경 분류에는 Pit Pattern, CP, NICE, JNET, WASP 및 MS가 포함됩니다.
|
2년
|
|
내시경 분류 결정의 기타 평가 매개변수
기간: 2년
|
대장용종의 내시경 분류 결정에 있어서 AI 모델의 민감도, 특이도, 양성예측도(PPV), 음성예측도(NPV)
|
2년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Dong Wu, MD, Peking Union Medical College Hospital
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
- IJspeert JE, Bastiaansen BA, van Leerdam ME, Meijer GA, van Eeden S, Sanduleanu S, Schoon EJ, Bisseling TM, Spaander MC, van Lelyveld N, Bargeman M, Wang J, Dekker E; Dutch Workgroup serrAted polypS & Polyposis (WASP). Development and validation of the WASP classification system for optical diagnosis of adenomas, hyperplastic polyps and sessile serrated adenomas/polyps. Gut. 2016 Jun;65(6):963-70. doi: 10.1136/gutjnl-2014-308411. Epub 2015 Mar 9.
- van der Zander QEW, Schreuder RM, Fonolla R, Scheeve T, van der Sommen F, Winkens B, Aepli P, Hayee B, Pischel AB, Stefanovic M, Subramaniam S, Bhandari P, de With PHN, Masclee AAM, Schoon EJ. Optical diagnosis of colorectal polyp images using a newly developed computer-aided diagnosis system (CADx) compared with intuitive optical diagnosis. Endoscopy. 2021 Dec;53(12):1219-1226. doi: 10.1055/a-1343-1597. Epub 2021 Mar 10.
- Zachariah R, Samarasena J, Luba D, Duh E, Dao T, Requa J, Ninh A, Karnes W. Prediction of Polyp Pathology Using Convolutional Neural Networks Achieves "Resect and Discard" Thresholds. Am J Gastroenterol. 2020 Jan;115(1):138-144. doi: 10.14309/ajg.0000000000000429.
- Singh R, Jayanna M, Navadgi S, Ruszkiewicz A, Saito Y, Uedo N. Narrow-band imaging with dual focus magnification in differentiating colorectal neoplasia. Dig Endosc. 2013 May;25 Suppl 2:16-20. doi: 10.1111/den.12075.
- Rees CJ, Rajasekhar PT, Wilson A, Close H, Rutter MD, Saunders BP, East JE, Maier R, Moorghen M, Muhammad U, Hancock H, Jayaprakash A, MacDonald C, Ramadas A, Dhar A, Mason JM. Narrow band imaging optical diagnosis of small colorectal polyps in routine clinical practice: the Detect Inspect Characterise Resect and Discard 2 (DISCARD 2) study. Gut. 2017 May;66(5):887-895. doi: 10.1136/gutjnl-2015-310584. Epub 2016 Apr 19.
- ASGE Technology Committee; Abu Dayyeh BK, Thosani N, Konda V, Wallace MB, Rex DK, Chauhan SS, Hwang JH, Komanduri S, Manfredi M, Maple JT, Murad FM, Siddiqui UD, Banerjee S. ASGE Technology Committee systematic review and meta-analysis assessing the ASGE PIVI thresholds for adopting real-time endoscopic assessment of the histology of diminutive colorectal polyps. Gastrointest Endosc. 2015 Mar;81(3):502.e1-502.e16. doi: 10.1016/j.gie.2014.12.022. Epub 2015 Jan 16.
- Tanaka S, Sano Y. Aim to unify the narrow band imaging (NBI) magnifying classification for colorectal tumors: current status in Japan from a summary of the consensus symposium in the 79th Annual Meeting of the Japan Gastroenterological Endoscopy Society. Dig Endosc. 2011 May;23 Suppl 1:131-9. doi: 10.1111/j.1443-1661.2011.01106.x.
- Axelrad AM, Fleischer DE, Geller AJ, Nguyen CC, Lewis JH, Al-Kawas FH, Avigan MI, Montgomery EA, Benjamin SB. High-resolution chromoendoscopy for the diagnosis of diminutive colon polyps: implications for colon cancer screening. Gastroenterology. 1996 Apr;110(4):1253-8. doi: 10.1053/gast.1996.v110.pm8613016.
- Mori Y, Kudo SE, East JE, Rastogi A, Bretthauer M, Misawa M, Sekiguchi M, Matsuda T, Saito Y, Ikematsu H, Hotta K, Ohtsuka K, Kudo T, Mori K. Cost savings in colonoscopy with artificial intelligence-aided polyp diagnosis: an add-on analysis of a clinical trial (with video). Gastrointest Endosc. 2020 Oct;92(4):905-911.e1. doi: 10.1016/j.gie.2020.03.3759. Epub 2020 Mar 30.
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)
2025년 1월 1일
기본 완료 (추정된)
2026년 12월 1일
연구 완료 (추정된)
2026년 12월 1일
연구 등록 날짜
최초 제출
2025년 1월 3일
QC 기준을 충족하는 최초 제출
2025년 1월 12일
처음 게시됨 (실제)
2025년 3월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2025년 3월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2025년 1월 12일
마지막으로 확인됨
2024년 12월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- K7281
- BRWEP2024W034010100 (기타 보조금/기금 번호: Excellence in Clinical Research Program for Research Wards of Beijing)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
예
IPD 계획 설명
시험 기간 동안 수집된 모든 IPD
IPD 공유 기간
종료일 없이 출판 후 3개월부터 시작
IPD 공유 액세스 기준
해당 자료를 적절한 연구에 활용하고자 하는 연구자는 적절한 요청을 받아
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. .