Kunstig intelligens for sanntidsdeteksjon og overvåking av kolorektale polypper
23. november 2022 oppdatert av: Centre hospitalier de l'Université de Montréal (CHUM)
Etterforskerne antar at den kliniske implementeringen av et dyplærings-AI-system er et optimalt verktøy for å overvåke, revidere og forbedre deteksjon og klassifisering av polypper og andre anatomiske landemerker under koloskopi.
Målet med denne studien er å generere foreløpige data for å evaluere effektiviteten av AI-assistert koloskopi på: a) frekvensen av deteksjon av adenomer; b) automatisk påvisning av de anatomiske landemerkene (dvs. ileocecal ventil og blindtarmsåpning).
Studieoversikt
Status
Fullført
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
I denne rettssaken tar etterforskerne sikte på å evaluere følgende:
- nøyaktigheten av automatisk deteksjon av viktige anatomiske landemerker (dvs. ileocecal ventil, appendiceal åpning);
- nøyaktigheten av automatisk deteksjon av polypper/adenomer (PDR/ADR);
Studietype
Intervensjonell
Registrering (Faktiske)
372
Fase
- Ikke aktuelt
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
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
45 år til 80 år (VOKSEN, OLDER_ADULT)
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Beskrivelse
Inklusjonskriterier :
- Signert informert samtykke
- Alder 45-80 år
- Indikasjon for å gjennomgå en endoskopi med lavere GI.
Ekskluderingskriterier:
- Koagulopati
- Dårlig generell helse, definert som et American Society of Anesthesiologists (ASA) fysisk statusklasse >3
- Nødkoloskopier
- Innlagte pasienter
- Kjent inflammatorisk tarmsykdom (IBD)
- Pasienter på legevakten
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: DIAGNOSTISK
- Tildeling: NA
- Intervensjonsmodell: SINGLE_GROUP
- Masking: INGEN
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
EKSPERIMENTELL: Kunstig intelligens for sanntidsdeteksjon og overvåking av kolorektale polypper
En standard koloskopi vil bli utført i henhold til standarden for rutinemessig behandling.
Alle optisk diagnostiserte polypper vil bli fjernet og sendt til CHUM patologilaboratorium for histopatologisk evaluering i henhold til institusjonelle standarder.
AI-systemet vil fange opp video av prosedyren i sanntid, og gi tilleggsinformasjon om påvisning av polypper, oppfølging og prediksjon av patologi.
Koloskopivideoene i full lengde vil bli kommentert for det nøyaktige tidspunktet for identifisering av de anatomiske landemerkene, polyppene, også for polypp- og prosedyrerelaterte egenskaper.
|
AI-systemet vil fange opp livevideoen av prosedyren og AI-tilbakemelding (polyppdeteksjon, sporing og patologiprediksjon) vil vises på en andre skjerm installert ved siden av den vanlige endoskopiskjermen.
Skjerm A vil vise det vanlige endoskopibildet og skjerm B vil vise det vanlige endoskopibildet sammen med områdene som kan inneholde en polypp eller informasjonen for å forutsi patologi
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Antall polypper påvist
Tidsramme: Dag 1
|
Effekten av AI-assistert koloskopi for å oppdage andelen pasienter med minst 1 polypp.
Polypdeteksjonshastighet med en AI.
|
Dag 1
|
|
Evaluering av den automatiske rapporten av koloskopikvalitetsindikatorene
Tidsramme: Dag 1
|
Sammenlign den automatiske deteksjonen av ileocecal ventilen, blindtarmsåpningen og den automatiske beregningen av tilbaketrekningstiden med manuell deteksjon
|
Dag 1
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
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)
18. desember 2020
Primær fullføring (FAKTISKE)
31. mars 2022
Studiet fullført (FAKTISKE)
11. mai 2022
Datoer for studieregistrering
Først innsendt
1. oktober 2020
Først innsendt som oppfylte QC-kriteriene
7. oktober 2020
Først lagt ut (FAKTISKE)
14. oktober 2020
Oppdateringer av studieposter
Sist oppdatering lagt ut (FAKTISKE)
25. november 2022
Siste oppdatering sendt inn som oppfylte QC-kriteriene
23. november 2022
Sist bekreftet
1. november 2022
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 20.198
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .