Kunstig intelligens-veiledet deteksjon av blodkar for å øke sikkerheten i tredje-rom endoskopiske prosedyrer
Kunstig intelligens-ledet deteksjon av anatomiske markører for å forbedre sikkerheten i tredje-rom endoskopiske prosedyrer
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.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
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
Registrering (Faktiske)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
Telangana
-
Hyderabad, Telangana, India, 500032
- Asian Institute of Gastroenterology
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Beskrivelse
Inclusion Criteria:
- Patients diagnosed with Achalasia Cardia or neoplasms.
Exclusion Criteria:
- Patients with conditions deemed unsuitable for third space endoscopy procedures (e.g.: Candidiasis)
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Enhetens gjennomførbarhet
- Tildeling: Ikke-randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Aktiv komparator: With Artificial Intelligence
Endoscopist will see the AI generated segmentation mask |
Real time AI generated segmentation mask or delineation contours for sub-mucosal blood vessels visible on the endoscopy monitor. |
|
Ingen inngripen: Without Artificial Intelligence
Endoscopist will not see the AI generated segmentation mask |
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Vessel Detection Rate (VDR)
Tidsramme: 3 months
|
the proportion of vessels identified by the endoscopist |
3 months
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Vessel Detection Time (VDT)
Tidsramme: 3 months
|
The latency between a vessel appearing in the field of view and its identification. |
3 months
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Abhishek Tyagi, Asian Intitute of Gastroenterology
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Scheppach MW, Mendel R, Muzalyova A, Rauber D, Probst A, Nagl S, Rommele C, Yip HC, Lau LHS, Golder SK, Schmidt A, Kouladouros K, Abdelhafez M, Walter BM, Meinikheim M, Chiu PWY, Palm C, Messmann H, Ebigbo A. Use of artificial intelligence in submucosal vessel detection during third-space endoscopy. Endoscopy. 2025 Jul;57(7):760-766. doi: 10.1055/a-2534-1164. Epub 2025 Feb 5.
- Ebigbo A, Mendel R, Scheppach MW, Probst A, Shahidi N, Prinz F, Fleischmann C, Rommele C, Goelder SK, Braun G, Rauber D, Rueckert T, de Souza LA Jr, Papa J, Byrne M, Palm C, Messmann H. Vessel and tissue recognition during third-space endoscopy using a deep learning algorithm. Gut. 2022 Dec;71(12):2388-2390. doi: 10.1136/gutjnl-2021-326470. Epub 2022 Sep 15.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- AITSE-1
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
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. .