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

Computer Aided Diagnosis (CADx) for kolorektale polypper Resect-and-Discard-strategi (CADx)

21. april 2026 oppdatert av: Thomas Yuen Tung Lam, Chinese University of Hong Kong

Computer Aided Diagnosis (CADx) for kolorektale polypper Resect-and-Discard-strategi: en multisenter randomisert kontrollert prøvelse

Koloskopisk fjerning av adenomatøse polypper reduserer både forekomsten og dødeligheten av kolorektal kreft (CRC). Den vanlige kliniske behandlingen av kolorektal polypp oppdaget under koloskopi er å fjerne dem og sende til histopatologi for å bestemme det påfølgende overvåkingsintervallet. Mer enn 80 % av polypper oppdaget under screening eller overvåking av koloskopi er små (≤5 mm). Siden sjansen for at diminutive polypper kan bære kreft eller avansert neoplasi er lav, anbefales leave-in-situ og resekt-og-kassering-strategier ved bruk av optisk diagnose for ikke-neoplastiske polypper av American Society for Gastrointestinal Endoscopy (ASGE) og European Society for Gastrointestinal Endoscopy (ESGE) for å redusere den økonomiske byrden ved polypektomi og histopatologi. Samfunnene foreslo leave-in-situ-strategi hvis optisk diagnose kan oppnå en negativ prediktiv verdi (NPV) på >90 % for rektosigmoid polypp og resekt-og-kast hvis en avtale på mer enn 90 % samsvarer med histopatologibasert postpolypektomi overvåkingsintervall kan oppnås. Optisk diagnose er imidlertid operatøravhengig og de fleste endoskopister er motvillige til å ta denne strategien i rutinepraksis på grunn av behovet for streng opplæring og revisjon og frykt for feil diagnose.

I det siste tiåret, med den eksponentielle økningen i beregningskraft, reduserte kostnader for datalagring, forbedret algoritmisk sofistikering og økt tilgjengelighet av elektroniske helsedata, ble kunstig intelligens (AI) assistert teknologi bredt tatt i bruk i ulike helsevesen for å forbedre kliniske resultater, spesielt kvaliteten på koloskopi innen gastroenterologi. Sanntidsbruk av datastøttet diagnose (CADx) for adenom ved bruk av AI-systemer ble utviklet og vist seg å være nyttig for å hjelpe endoskopister til å skille neoplastiske polypper fra ikke-adenomatøse polypper. Imidlertid undersøkte disse studiene bare diminutiv polypp, men ikke polypp av større størrelse (>5 mm). De ble utført med en liten prøvestørrelse på mindre enn noen hundre forsøkspersoner, og studieinnstillingene var åpne og ikke-randomiserte.

Etterforskerne tar sikte på å gjennomføre en randomisert kontrollert studie i stor skala for å evaluere ytelsen til kolorektal polyppkarakterisering av polypper i alle størrelser ved hjelp av sanntids CADx ved bruk av AI-system mot konvensjonell koloskopi med optisk diagnose.

Studieoversikt

Status

Aktiv, ikke rekrutterende

Forhold

Detaljert beskrivelse

Studiemiljø

Dette er en internasjonal, prospektiv, multisenter, enkeltblind, non-inferioritet, randomisert kontrollert studie utført i 6 universitetstilknyttede endoskopisentre i Kina (4 sentre), Hong Kong og Singapore. Denne studien vil bli utført i henhold til CONSORT-AI- og SPIRIT-AI-retningslinjene og i samsvar med ICH-GCP og Helsinki-erklæringen.

Karakteriseringssystem for kunstig intelligens polypper

Etterforskerne refererer til NICE-klassifiseringen (Narrow Band Imaging International Colorectal Endoscopic) som standard for å etablere en dyp nevrale nettverksmodell for polypptypedifferensiering. For å bygge polyppkarakteriseringsmodellen samlet etterforskerne 3762 bilder av polypper under NBI for modelltrening og testing, inkludert 1483 tilfeller av hyperplastiske polypper, 1993 tilfeller av adenomer og 286 tilfeller av avanserte svulster.

Forskjellen på bildefunksjoner mellom de tre typene NICE-klassifisering er åpenbar, og det er lett å skille dem fra datamaskinen under endoskop. Med tanke på prosesseringskapasiteten til maskinvaren utstyrt med modellen, for å oppnå sanntidsanalyse under begrensede dataressurser, valgte etterforskerne en lett nettverksarkitektur kalt Mobile-Net for å bygge modellen. I et Mobile-Net-rammeverk er det første et 3x3 standard konvolusjonslag, etterfulgt av en haug med dybdemessig separerbare konvolusjonslag. Noen av de dybdemessige konvolusjonslagene vil bli samplet ned gjennom gater satt til 2. Følgende gjennomsnittlige sammenslåingslag endrer funksjonene til 1x1. I henhold til den predikerte kategoristørrelsen legges så et fullt koblingslag, og til slutt legges et soft-max-lag. Hvis de dybdevise konvolusjonslagene og punktvise konvolusjonslagene beregnes separat, har hele nettverket kun 28 lag (Gjennomsnittlig pool og Softmax er ikke inkludert). Foreløpig er modellen ikke klinisk validert. Etterforskerne brukte en femdobbel kryssvalidering for å evaluere nøyaktigheten til modellen. Resultatene viste at klassifiseringsnøyaktigheten til modellen i gjeldende datasett overstiger 99 %

Standardisert opplæring av optisk diagnose

Før initieringen av studien vil deltakende endoskopister få et standardisert online treningsverksted om driften av AI-polyppkarakteriseringssystemet, prinsipper for optisk diagnose og en bildebasert quiz.

Koloskopi prosedyrer

Studiekoloskopier vil bli utført av 12 ikke-ekspert endoskopister (koloskopierfaring <2000) og 12 ekspertendoskopister (koloskopierfaring ≥2000), med 2 ikke-eksperter og 2 ekspertendoskopister fra hvert av de 6 sentrene. Alle koloskopier vil bli utført ved bruk av høyoppløselig endoskopisystem og koloskop (EVIS Lucera Elite, 290-serien, Olympus, Co Ltd, Tokyo, Japan). Alle påmeldte pasienter fikk fiberfattige dietter 3 dager før koloskopi og gjennomgikk tarmrensing med polyetylenglykolløsning i delt dose basert på institusjonsprotokoll. Koloskopier vil bli utført under bevisst sedasjon. Kvaliteten på tarmpreparering vil bli vurdert av Boston Bowel Preparation Scale (BBPS) med adekvat tarmforberedelse definert som BBPS-score ≥6 og enhver segmentell BBPS-score ≥2.

For pasienter som er randomisert til konvensjonell koloskopi (CC) med optisk diagnosegruppe, vil endoskopistene slå på smalbåndsavbildning (NBI)-modus når en polypp er oppdaget. En optisk diagnose vil bli gitt uten forstørrelse. Hyperplastiske og sessile taggete polypper er kategorisert som ikke-neoplastiske, adenom og malignitet som neoplastiske. Diagnosen vil bli registrert med sikkerhetsnivået til vurderingen (høy eller lav). For pasienter som er randomisert til gruppen AI-drevet CADx-koloskopi (AI), vil endoskopister slå på CADx ved påvisning av kolorektal polypp. Polyppen vil da bli merket med en blå sporingsboks og vist på den samme høyoppløsningsmonitoren til endoskopisystemet. AI vil gi en diagnose (ikke-neoplastisk eller neoplastisk) ved siden av sporingsboksen. For formålet med denne studien vil alle polypper uavhengig av optisk eller AI-diagnose fjernes ved endoskopisk polypektomi/endoskopisk slimhinnereseksjon (EMR)/endoskopisk submukosal disseksjon (ESD) under abstinensfrasen og sendes til histopatologi. Endoskopister har ikke lov til å etterlate noen identifisert polypp in-situ etter eget skjønn.

Plassering, størrelse og morfologi for alle fjernede polypper vil bli dokumentert. Proksimal tykktarm er definert som segment fra blindtarm til transversal tykktarm, mens distal tykktarm er definert som segment fra miltbøyning til endetarm. Polypper vil bli klassifisert i pedunkulert eller ikke-pedunkulert morfologi, og ikke-pedunkulerte lesjoner vil videre bli karakterisert som fastsittende, flate eller deprimerte lesjoner. Polypper fjernet vil bli plassert i separate prøveflasker. Kolonpolyppprøver vil bli evaluert av patologer ved det enkelte studiesenteret som er blindet for studiegruppeoppgaver. Kolonpolyppprøver vil bli evaluert i henhold til 2019 WHO-klassifiseringen av svulster i fordøyelsessystemet. Avanserte adenomer er definert som adenomer med størrelse ≥10 mm, villøs komponent eller høygradig dysplasi. Diagnostisk utbytte av eksisterende tykktarmspatologi vil ikke være inkludert hvis forsøkspersonen er allokert til AI-gruppen. Pasientene vil bli overvåket for umiddelbare uønskede hendelser etter koloskopi og vil bli utskrevet etter bedring.

Studietype

Intervensjonell

Registrering (Antatt)

1764

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiesteder

      • Hong Kong, Hong Kong
        • Combined Endoscopy Unit, ALice Ho Miu Ling Nethersole Hospital

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Beskrivelse

Inklusjonskriterier:

  • som gjennomgår elektiv koloskopi med en hvilken som helst indikasjon (screening, overvåking eller diagnostisk) og fullstendig koloskopi (caecal intubasjon) med minst én kolorektal polypp påvist vil bli rekruttert

Ekskluderingskriterier:

  • personlig historie med CRC eller inflammatorisk tarmsykdom, tidligere kolorektal kirurgi, mottatt antikoagulantbehandling
  • mangel på informert samtykke

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: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Enkelt

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: AI-arm
AI vil bli brukt til å diagnostisere polypper
Sanntids AI vil bli brukt til å diagnostisere polypper funnet under koloskopi.
Ingen inngripen: Kontrollarm
Konvensjonell koloskopi uten AI vil bli utført for å diagnostisere polypper

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
diagnostisk nøyaktighet av polypp histologi i %
Tidsramme: 24 måneder
NICE-klassifiseringen (NICE I: ikke-neoplastisk polypp: NICE II: adenom; NICE III: invasiv svulst) gitt av AI CADx og konvensjonell optisk diagnose vil bli sammenlignet med polyppens histopatologi (referansestandard)
24 måneder

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
følsomhet (%)
Tidsramme: 24 måneder
følsomhet for korrekt forutsi polypper histopatologi polypper.
24 måneder
spesifisitet (%)
Tidsramme: 24 måneder
spesifisitet for å forutsi polypper histopatologi polypper korrekt
24 måneder
positiv prediktiv verdi (%)
Tidsramme: 24 måneder
positiv prediktiv verdi for å korrekt forutsi polypper histopatologi polypper
24 måneder
negativ prediktiv verdi (%)
Tidsramme: 24 måneder
negativ prediktiv verdi for å forutsi polypper histopatologi polypper korrekt
24 måneder
enighet om å tildele post-polypektomi overvåkingsintervaller med patologibaserte diagnoser (%)
Tidsramme: 24 måneder
avtale om å tildele post-polypektomi overvåkingsintervaller med patologibaserte diagnoser i henhold til de siste retningslinjene fra USMSTF, ESGE og Asia-Pacific
24 måneder

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)

29. september 2023

Primær fullføring (Faktiske)

30. november 2025

Studiet fullført (Antatt)

31. desember 2026

Datoer for studieregistrering

Først innsendt

6. september 2023

Først innsendt som oppfylte QC-kriteriene

28. september 2023

Først lagt ut (Faktiske)

2. oktober 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

24. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

21. april 2026

Sist bekreftet

1. april 2026

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • 2022.525

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. .

Abonnere