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

Forsterket endobronkial ultralyd (EBUS-TBNA) med kunstig intelligens

29. september 2026 oppdatert av: Norwegian University of Science and Technology

Automatisk segmentering av mediastinale lymfeknuter og blodkar i endobronkial ultralyd (EBUS) bilder ved bruk av et dypt nevralt nettverk

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.

Studieoversikt

Status

Rekruttering

Forhold

Intervensjon / Behandling

Enhet: machine learning algorithm

Detaljert beskrivelse

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

Observasjonsmessig

Registrering (Antatt)

Kontakter og plasseringer

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

Studiekontakt

Navn: Øyvind Ervik, MD
Telefonnummer: +4791634595
E-post: oyvind.ervik@ntnu.no

Studer Kontakt Backup

Navn: Hanne Sorger, MD,PhD
Telefonnummer: +4791816787
E-post: hanne.sorger@ntnu.no

Studiesteder

Norge
- - Levanger, Norge, 7600
    - Rekruttering
    - Department of Pulmonology, Levanger Hospital, North Trøndelag Hospital Trust
    - Ta kontakt med:
      
      Øyvind Ervik, MD
      
      Telefonnummer: +4791634595
      
      E-post: oyvind.ervik@ntnu.no
  - Trondheim, Norge, 7030
    - Rekruttering
    - Department of Thoracic Medicine, St Olavs Hospital
    - Ta kontakt med:
      
      Håkon O Leira, MD, PhD
      
      Telefonnummer: +4799014967
      
      E-post: håkon.o.leira@ntnu.no

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

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

Beskrivelse

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.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Observasjonsmodeller: CASE_ONLY
Tidsperspektiver: PROSPECTIVE

Hva måler studien?

Primære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Capability Tidsramme: 8 months	To explore if Deep neural network (DNN) has capability to segment lymph nodes and blood vessels from EBUS images	8 months

Sekundære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Precision Tidsramme: 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 Tidsramme: 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 Tidsramme: 2 months	Specificity = (True Negative)/(True Negative + False Positive). Measured per pixel in the EBUS images.	2 months
Dice similarity coefficient Tidsramme: 2 months	Measures the similarity between two sets of data: Annotated by pulmonologist vs DNN.	2 months
Run-time Tidsramme: 2 months	Is the run-time sufficiently low for real-time analysis during EBUS?	2 months
Adverse events Tidsramme: 48 hours	Procedure related adverse events or unexpected incidents registered	48 hours

Samarbeidspartnere og etterforskere

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

Sponsor

Norwegian University of Science and Technology

Samarbeidspartnere

Helse Nord-Trøndelag HF

SINTEF Health Research

Etterforskere

Studieleder: Øivind Rognmo, Dr.philos, Norwegian University of Science and Technology

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. mai 2023

Primær fullføring (Antatt)

1. mai 2027

Studiet fullført (Antatt)

1. desember 2027

Datoer for studieregistrering

Først innsendt

13. februar 2023

Først innsendt som oppfylte QC-kriteriene