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

Kunstig intelligens-veiledet deteksjon av blodkar for å øke sikkerheten i tredje-rom endoskopiske prosedyrer

14. april 2026 oppdatert av: Abhishek Tyagi, Asian Institute of Gastroenterology, India

Kunstig intelligens-ledet deteksjon av anatomiske markører for å forbedre sikkerheten i tredje-rom endoskopiske prosedyrer

Denne prospektive studien har som mål å evaluere ytelsen til et nytt kunstig intelligens (AI) klinisk beslutningsstøtteverktøy under tredje rom endoskopiske prosedyrer, som endoskopisk submukosadisseksjon (ESD) og peroral endoskopisk myotomi (POEM).

Selv om disse prosedyrene er effektive for behandling av gastrointestinale neoplasi og bevegelsesforstyrrelser, innebærer de risiko for intraprosedural blødning og perforasjon hvis submukose blodkar ikke blir korrekt identifisert og koagulert. Basert på tidligere retrospektiv validering, vil denne studien vurdere om en sanntids kunstig intelligensmodell kan hjelpe endoskopister med å oppdage og avgrense blodkar mer nøyaktig og raskere under levende humane prosedyrer.

Studieoversikt

Status

Rekruttering

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Bakgrunn og rasjonalitet

Tredjeverdens endoskopiske prosedyrer er teknisk krevende. Den primære utfordringen ligger i utilsiktet gjennomskjæring av submukøse blodkar, som fører til blødning som forringer det kirurgiske feltet og øker risikoen for perforasjon. For tiden er identifikasjon av blodkar helt avhengig av operatøren.

Vårt team har utviklet en dyp læringsbasert kunstig intelligens-modell trent på 250 000 annoterte bilder fra 150 POEM-prosedyrer. Denne modellen er optimalisert for minimal forsinkelse, noe som muliggjør sanntids visuelle overlegg (avgrensning) av blodkar på endoskopmonitoren.

Studiemål Det primære målet er å evaluere blodkargjenkjenningsraten (VDR) – andelen blodkar identifisert av endoskopisten når de blir assistert av KI sammenlignet med standard praksis.

Studien vil også undersøke:

Blodkargjenkjennings tid (VDT): Forsinkelsen mellom at et blodkar vises i synsfeltet og det blir identifisert.

Studiedesign og arbeidsflyt:

I denne prospektive studien vil KI-systemet bli integrert i Olympus EVIS X1-serien endoskopistack. Mens endoskopisten navigerer i det submukøse rommet, vil KI gi sanntids visuelle segmenteringsmasker som fremhever blodkar. Ytelsen vil bli registrert og sammenlignet med en etter-prosedyre gjennomgang av uavhengige eksperter for å beregne sensitivitet og deteksjonshastighet.

Studietype

Intervensjonell

Registrering (Antatt)

20

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

Studiesteder

  • India
    • Telangana
      • Hyderabad, Telangana, India, 500032
        • Rekruttering
        • Asian Institute of Gastroenterology
        • Ta kontakt med:
        • Hovedetterforsker:
          • Abhishek Tyagi, M.S.

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

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Beskrivelse

Inklusjonskriterier:

  • Pasienter diagnostisert med Achalasia Cardia eller neoplasi.

Eksklusjonskriterier:

  • Pasienter med tilstander som anses som uegnet for tredjroms-endoskopiprosedyrer (f.eks.: Candidiasis)

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Enhetens gjennomførbarhet
  • Tildeling: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Aktiv komparator: Med kunstig intelligens
Endoskopisten vil se den AI-genererte segmenteringsmasken
Enhet: AI-generert segmenteringsmaske for submukøse blodårer
Sanntids AI-generert segmenteringsmaske eller konturtegning for submukøse blodkar synlige på endoskopimonitoren.
Ingen inngripen: Uten kunstig intelligens
Endoskopisten vil ikke se den AI-genererte segmenteringsmasken

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Fartøys deteksjonsrate (VDR)
Tidsramme: 3 måneder
andelen av kar identifisert av endoskopisten
3 måneder

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Fartøyoppdagelsestid (VDT)
Tidsramme: 3 måneder
Forsinkelsen mellom når et fartøy dukker opp i synsfeltet og når det blir identifisert.
3 måneder

Samarbeidspartnere og etterforskere

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

Sponsor

Asian Institute of Gastroenterology, India

Etterforskere

  • Hovedetterforsker: Abhishek Tyagi, Asian Intitute of Gastroenterology

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)

10. februar 2026

Primær fullføring (Antatt)

30. april 2026

Studiet fullført (Antatt)

30. april 2026

Datoer for studieregistrering

Først innsendt

27. januar 2026

Først innsendt som oppfylte QC-kriteriene

3. februar 2026

Først lagt ut (Faktiske)

10. februar 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

15. april 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

14. april 2026

Sist bekreftet

1. februar 2026

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)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

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