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

Kunstmatige intelligentie-geleide detectie van bloedvaten om de veiligheid bij endoscopische ingrepen in de derde ruimte te verbeteren

18 september 2026 bijgewerkt door: Abhishek Tyagi, Asian Institute of Gastroenterology, India

Kunstmatige Intelligentie-geleide detectie van anatomische markeringen om de veiligheid bij endoscopische procedures in de derde ruimte te verbeteren

This prospective study aims to evaluate the performance of a novel Artificial Intelligence (AI) clinical decision support tool during third space endoscopic procedures, such as Endoscopic Submucosal Dissection (ESD) and Peroral Endoscopic Myotomy (POEM).

While these procedures are effective for treating gastrointestinal neoplasms and motility disorders, they carry risks of intraprocedural bleeding and perforation if submucosal blood vessels are not correctly identified and coagulated. Building on previous retrospective validation, this study will assess whether a real-time artificial intelligence model can assist endoscopists in detecting and delineating blood vessels more accurately and faster during live human procedures.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Background and Rationale

Third-space endoscopy procedures are technically demanding. The primary challenge lies in the inadvertent transection of submucosal vessels, which leads to bleeding that obscures the surgical field and increases the risk of perforation. Currently, vessel identification is entirely operator-dependent.

Our team has developed a deep-learning based artificial intelligence model trained on 250,000 annotated images from 150 POEM procedures. This model is optimized for minimal latency, allowing for real-time visual overlays (delineation) of blood vessels on the endoscopic monitor.

Study Objectives The primary objective is to evaluate the Vessel Detection Rate (VDR)-the proportion of vessels identified by the endoscopist when assisted by the AI compared to standard practice.

The study will also investigate:

Vessel Detection Time (VDT): The latency between a vessel appearing in the field of view and its identification.

Study Design & Workflow:

In this prospective study, the AI system will be integrated into the Olympus EVIS X1 series endoscopy stack. As the endoscopist navigates the submucosal space, the AI will provide real-time visual segmentation masks highlighting vessels. The performance will be recorded and compared against a post-procedure review by independent experts to calculate sensitivity and detection speed.

Studietype

Ingrijpend

Inschrijving (Werkelijk)

40

Fase

  • Niet toepasbaar

Contacten en locaties

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

Studie Locaties

  • Indië
    • Telangana
      • Hyderabad, Telangana, Indië, 500032
        • Asian Institute of Gastroenterology

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

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Beschrijving

Inclusion Criteria:

  • Patients diagnosed with Achalasia Cardia or neoplasms.

Exclusion Criteria:

  • Patients with conditions deemed unsuitable for third space endoscopy procedures (e.g.: Candidiasis)

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

  • Primair doel: Toestel Haalbaarheid
  • Toewijzing: Niet-gerandomiseerd
  • Interventioneel model: Parallelle opdracht
  • Masker: Geen (open label)

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Actieve vergelijker: With Artificial Intelligence

Endoscopist will see the AI generated segmentation mask
Apparaat: AI generated segmentation mask for sub-mucosal blood vessels

Real time AI generated segmentation mask or delineation contours for sub-mucosal blood vessels visible on the endoscopy monitor.
Geen tussenkomst: Without Artificial Intelligence

Endoscopist will not see the AI generated segmentation mask

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Vessel Detection Rate (VDR)
Tijdsspanne: 3 months

the proportion of vessels identified by the endoscopist
3 months

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Vessel Detection Time (VDT)
Tijdsspanne: 3 months

The latency between a vessel appearing in the field of view and its identification.
3 months

Medewerkers en onderzoekers

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

Sponsor

Asian Institute of Gastroenterology, India

Onderzoekers

  • Hoofdonderzoeker: Abhishek Tyagi, Asian Intitute of Gastroenterology

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

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)

10 februari 2026

Primaire voltooiing (Werkelijk)

30 april 2026

Studie voltooiing (Werkelijk)

30 april 2026

Studieregistratiedata

Eerst ingediend

27 januari 2026

Eerst ingediend dat voldeed aan de QC-criteria

3 februari 2026

Eerst geplaatst (Werkelijk)

10 februari 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

22 september 2026

Laatste update ingediend die voldeed aan QC-criteria

18 september 2026

Laatst geverifieerd

1 september 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • AITSE-1

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

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