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

Augmented Endobronchial Ultrasound (EBUS-TBNA) met kunstmatige intelligentie

29 september 2026 bijgewerkt door: Norwegian University of Science and Technology

Automatische segmentatie van mediastinale lymfeklieren en bloedvaten in endobronchiale echografie (EBUS) beelden met behulp van een diep neuraal netwerk

To evaluate the usefulness of Deep neural network (DNN) in the evaluation of mediastinal and hilar lymph nodes with Endobronchial ultrasound (EBUS). The study will explore the feasibility of DNN to identify lymph nodes and blood vessel examined with EBUS.

Studie Overzicht

Gedetailleerde beschrijving

Multi-center prospective feasibility study. The DNN model will be trained on ultrasound images with annotation to identifies lymph nodes and blood vessels examined with EBUS. The ability of the DNN to segment lymph nodes and vessels based on postoperative processing and static EBUS images will be evaluated in the first part of the study. In the second part of the study Real-time use of DNN in EBUS procedure will be evaluated.

Studietype

Observationeel

Inschrijving (Geschat)

50

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

Studie Contact Back-up

Studie Locaties

      • Levanger, Noorwegen, 7600
        • Werving
        • Department of Pulmonology, Levanger Hospital, North Trøndelag Hospital Trust
        • Contact:
      • Trondheim, Noorwegen, 7030
        • Werving
        • Department of Thoracic Medicine, St Olavs Hospital
        • Contact:

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

18 jaar en ouder (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patents with undiagnosed enlarged mediastinal and hilar lymph nodes who have been recommended for Endobronchial ultrasound transbronchial needle aspiration (EBUS-TBNA).

Beschrijving

Inclusion Criteria:

  • Subjects referred to thoracic department in any of the participating hospitals with undiagnosed enlarged mediastinal and hilar lymph nodes.
  • Subjects have to be ≥ 18 years of age

Exclusion Criteria:

  • Pregnancy
  • Any patient that the Investigator feels is not appropriate for this study for any reason.

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: CASE_ONLY
  • Tijdsperspectieven: PROSPECTIVE

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Capability
Tijdsspanne: 8 months

To explore if Deep neural network (DNN) has capability to segment lymph nodes and blood vessels from EBUS images

8 months

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Precision
Tijdsspanne: 2 months

The precision the DNN has for detecting lymph nodes and blood vessels. Measured both per voxel in the EBUS images and per annotated structure (a structure is counted as detected if at least 50% of its annotated pixels are identified by the DNN).

2 months
Sensitivity
Tijdsspanne: 2 months

True positive rate. Correctly detected lymph nodes/blood vessel over total lymph nodes/blood vessel. Measured per pixel in the EBUS images

2 months
Specificity
Tijdsspanne: 2 months

Specificity = (True Negative)/(True Negative + False Positive). Measured per pixel in the EBUS images.

2 months
Dice similarity coefficient
Tijdsspanne: 2 months

Measures the similarity between two sets of data: Annotated by pulmonologist vs DNN.

2 months
Run-time
Tijdsspanne: 2 months

Is the run-time sufficiently low for real-time analysis during EBUS?

2 months
Adverse events
Tijdsspanne: 48 hours

Procedure related adverse events or unexpected incidents registered

48 hours

Medewerkers en onderzoekers

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

Onderzoekers

  • Studie directeur: Øivind Rognmo, Dr.philos, Norwegian University of Science and Technology

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)

1 mei 2023

Primaire voltooiing (Geschat)

1 mei 2027

Studie voltooiing (Geschat)

1 december 2027

Studieregistratiedata

Eerst ingediend

13 februari 2023

Eerst ingediend dat voldeed aan de QC-criteria

13 februari 2023

Eerst geplaatst (Werkelijk)

22 februari 2023

Updates van studierecords

Laatste update geplaatst (Werkelijk)

30 september 2026

Laatste update ingediend die voldeed aan QC-criteria

29 september 2026

Laatst geverifieerd

1 september 2026

Meer informatie

Termen gerelateerd aan deze studie

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren