Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

In vivo datastøttet prediksjon av polypphistologi på hvitlyskoloskopi

17. januar 2023 oppdatert av: Ana García-Rodríguez, Hospital Clinic of Barcelona

In vivo datastøttet prediksjon av polypp histologi på hvitt lys koloskopi

Vår gruppe, før denne studien, utviklet en håndlaget prediktiv modell basert på utvinning av overflatemønstre (tekstoner) med en diagnostisk nøyaktighet på over 90%24. Denne metoden ble validert i et lite datasett som kun inneholder bilder av høy kvalitet.

Kunstig intelligens forventes å forbedre nøyaktigheten av optisk diagnose av kolorektal polypp. Vi foreslår en hybrid tilnærming som kombinerer et dyplæringssystem (DL) med polyppfunksjoner indikert av klinikere (HybridAI). Et pilot in vivo eksperiment vil gjennomføres.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Annen: AUTOMATISK POLYPKLASSIFISERING

Detaljert beskrivelse

Optisk diagnose tar sikte på å forutsi histologien til en polypp basert på dens endoskopiske egenskaper. Denne praksisen kan unngå histopatologisk analyse og redusere de avledede kostnadene. Under denne forutsetningen etablerte American Society of Gastrointestinal Endoscopy (ASGE), i sin erklæring om Preservation and Incorporation of Valuable endoscopic Innovations (PIVI), en diagnostisk terskel for sanntidsendoskopisk vurdering av diminutive polypper. Begrunnelsen for implementeringen er at forekomsten av avansert histologi i polypper < 5 mm er svært lav (0,5 %).

Flere studier har vist at optisk diagnose av små polypper er trygg og mulig i klinisk praksis og sammenlignbar med gjeldende gullstandard, histopatologi. Nøyaktigheten av optisk diagnose har imidlertid vist seg å være utilstrekkelig i fellesskapsbasert praksis eller i ikke-eksperthender, og diagnosen er enda vanskeligere ved diminutive polypper < 3 mm der avviket mellom den endoskopiske og patologiske diagnosen er ca. %.

Kunstig intelligens (AI) har dukket opp som et hjelpeverktøy for polyppkarakterisering.

Med sikte på å forbedre optisk diagnose ved bruk av AI-metoder, foreslår vi en hybrid tilnærming som kombinerer DL med egenskaper til polypper manuelt indikert av endoskopister (HybridAI).

Studietype

Observasjonsmessig

Registrering (Faktiske)

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

Spania
- - Barcelona, Spania, 08036
    - Hospital Clinic de Barcelona

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

18 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Alle pasienter med polypper av en hvilken som helst størrelse/morfologi, påvist i en rutine- eller screeningkoloskopi, som er resektert endoskopisk og gjenopprettet for histologisk analyse vil bli inkludert.

Bildene som er oppnådd vil bli brukt til å utvide databasen.

Beskrivelse

Inklusjonskriterier:

Alder > 18 år
Godkjenning av deltakelse i studien. Signatur på informert samtykke
Pasienter med minst én polypp uansett størrelse/morfologi diagnostisert i en rutine- eller screeningkoloskopi
Endoskopier utført med høydefinisjonsendoskoper

Ekskluderingskriterier:

Alder <18 år
Avslag på å delta i studien
Polypper delvis resekert i en tidligere endoskopi
Pasienter med inflammatorisk sykdom
Umulig å vaske rester av avføring eller slim på overflaten av polyppen

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Observasjonsmodeller: Kohort
Tidsperspektiver: Potensielle

Hva måler studien?

Primære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Nøyaktighet av det datastøttede systemet for å forutsi polyppers histologi i reell klinisk praksis Tidsramme: Ett år	Resultatene av den datastøttede systemprediksjonen vil bli sammenlignet med den endelige patologirapporten, som er gullstandarden	Ett år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Hospital Clinic of Barcelona

Samarbeidspartnere

Instituto de Salud Carlos III

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. januar 2019

Primær fullføring (Faktiske)

31. mars 2019

Studiet fullført (Faktiske)

31. desember 2022

Datoer for studieregistrering

Først innsendt

11. desember 2018

Først innsendt som oppfylte QC-kriteriene