Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Beeldherkenning van endoscopische ernst ter bevordering van onderzoek en training op het gebied van inflammatoire darmaandoeningen (EVEREST - IBD)

14 november 2024 bijgewerkt door: Hull University Teaching Hospitals NHS Trust

EVEREST - IBD: beeldherkenning van endoscopische ernst ter bevordering van onderzoek en training op het gebied van inflammatoire darmaandoeningen

Ontwikkeling en training van een convolutioneel neuraal netwerk om de ernst van de ziekte van inflammatoire darmaandoeningen tijdens endoscopie te detecteren en te karakteriseren

Studie Overzicht

Toestand

Werving

Conditie

Ontstekingsdarmziekte 1

Gedetailleerde beschrijving

Een convolutioneel neuraal netwerk ontwikkelen en trainen om de ernst van de ziekte bij inflammatoire darmaandoeningen tijdens endoscopie te detecteren en te karakteriseren. Dit initiatief zal onvermijdelijk leiden tot een hoogwaardige grote beelddatabase. Onze secundaire studiedoelen zijn daarom om de beelden die we verzamelen te gebruiken om het gebied van diep leren en computerondersteunde diagnose bij inflammatoire darmaandoeningen te bevorderen door een beelddatabase op te zetten. Dit omvat de ontwikkeling van een raamwerk dat deep learning en algoritmen voor computervisie combineert. Het uiteindelijke doel is om de beelddatabase te gebruiken om onderzoeksresultaten en trainingsmiddelen met een hoge impact te produceren die leiden tot een verbetering van de kwaliteit van de uitgevoerde endoscopie, het verminderen van interobserver-variabiliteit bij ziektebeoordeling en een vermindering van het aantal gemiste darmkanker en de bijbehorende mortaliteit.

Studietype

Observationeel

Inschrijving (Geschat)

4000

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Naam: Shaji Sebastian
Telefoonnummer: 01482 816764
E-mail: shaji.sebastian@hey.nhs.uk

Studie Contact Back-up

Naam: Laurence Lovat
Telefoonnummer: 02076799606
E-mail: l.lovat@ucl.ac.uk

Studie Locaties

Verenigd Koninkrijk
- East Yorkshire
  - Hull, East Yorkshire, Verenigd Koninkrijk, HU3 2JZ
    - Werving
    - Hull Royal Infirmary

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

16 jaar tot 99 jaar (Kind, Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Inflammatoire darmziekte (IBD) treft ten minste één op de 250 mensen van de Britse bevolking en de prevalentie neemt toe.

Beschrijving

Inclusiecriteria:

• Elke volwassen patiënt van 16 jaar of ouder die toestemming heeft gegeven voor een endoscopisch onderzoek waarbij beelden worden vastgelegd als onderdeel van routinematige klinische zorg.

Uitsluitingscriteria:

• Elke patiënt jonger dan 16 jaar
- Patiënten die geen geïnformeerde toestemming kunnen geven voor een endoscopisch onderzoek of patiënten die niet willen dat hun pseudo-geanonimiseerde afbeeldingen worden gebruikt

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Observatiemodellen: Ander
Tijdsperspectieven: Dwarsdoorsnede

Aantal groepen / cohorten

Cohorten en interventies

Groep / Cohort
Hoofdgroep Patiënten met/verdenking op inflammatoire darmaandoeningen die een endoscopische ingreep ondergaan
Controle Patiënten zonder inflammatoire darmaandoening die een endoscopische procedure ondergaan

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat	Maatregel Beschrijving	Tijdsspanne
Ontwikkeling en training van een convolutioneel neuraal netwerk om de ernst van de ziekte van inflammatoire darmaandoeningen tijdens endoscopie te detecteren en te karakteriseren Tijdsspanne: 5 jaar	Ontwikkeling en training van een convolutioneel neuraal netwerk om de ernst van de ziekte van inflammatoire darmaandoeningen tijdens endoscopie te detecteren en te karakteriseren	5 jaar

Secundaire uitkomstmaten

Uitkomstmaat	Maatregel Beschrijving	Tijdsspanne
a) Onderzoeken of kunstmatige intelligentie de respons op IBD-therapieën kan voorspellen Tijdsspanne: 5 jaar	Onderzoeken of kunstmatige intelligentie de respons op IBD-therapieën kan voorspellen	5 jaar
b) Een opslagplaats voor endoscopische beelden ontwikkelen om training en standaardisatie in endoscopische detectie en karakterisering van IBD te bevorderen. Tijdsspanne: 5 jaar	b) Een opslagplaats voor endoscopische beelden ontwikkelen om training en standaardisatie te bevorderen	5 jaar
c) Het ontwikkelen en beoordelen van methodieken voor training en kwaliteitsborging van IBD diagnostische endoscopie Tijdsspanne: 5 jaar	Ontwikkelen en beoordelen van methodologieën voor training en kwaliteitsborging van IBD	5 jaar
d) Vergelijkingen in endoscopische beeldinterpretatie tussen endoscopisten evalueren Tijdsspanne: 5 jaar	Vergelijkingen in endoscopische beeldinterpretatie tussen endoscopisten evalueren	5 jaar
e) Ontwikkeling van deep learning-algoritmen en computervisietechnieken om geautomatiseerde meting van kwaliteitsmetrieken in endoscopie voor IBD mogelijk te maken Tijdsspanne: 5 jaar	Het ontwikkelen van deep learning-algoritmen en computervisietechnieken om geautomatiseerde meting van kwaliteitsstatistieken in endoscopie voor IBD mogelijk te maken	5 jaar
f) Een toekomstig robuust onderzoeksplatform creëren om ervoor te zorgen dat de bovenstaande doelstellingen continu worden ontwikkeld naarmate er in de loop van de tijd nieuwe beeldvormingstechnieken ontstaan. Tijdsspanne: 5 jaar	Een toekomstig robuust onderzoeksplatform creëren om ervoor te zorgen dat de bovenstaande doelstellingen continu worden ontwikkeld naarmate er in de loop van de tijd nieuwe beeldvormingstechnieken ontstaan.	5 jaar

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Hull University Teaching Hospitals NHS Trust

Medewerkers

Wellcome/EPSRC Centre for Interventional and Surgical Sciences, University College London

Onderzoekers

Hoofdonderzoeker: Shaji Sebastian, Hull University Teaching Hospitals NHS Trust

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

17 september 2021

Primaire voltooiing (Geschat)

1 september 2031

Studie voltooiing (Geschat)

1 september 2031

Studieregistratiedata

Eerst ingediend

27 april 2021

Eerst ingediend dat voldeed aan de QC-criteria