Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Wykorzystanie sztucznej inteligencji do przewidywania nowotworowych węzłów chłonnych do oceny stopnia zaawansowania raka płuca podczas obrazowania ultrasonograficznego

10 marca 2020 zaktualizowane przez: Wael Hanna, St. Joseph's Healthcare Hamilton

Opracowanie i walidacja wspomaganego komputerowo algorytmu wykorzystującego sztuczną inteligencję i głębokie sieci neuronowe do segmentacji cech ultrasonograficznych węzłów chłonnych podczas ultrasonografii wewnątrzoskrzelowej

Niniejsze badanie ma na celu ustalenie, czy głęboka neuronowa sieć sztucznej inteligencji (AI) (NeuralSeg) może nauczyć się, jak przypisać Kanadyjską ocenę węzłów chłonnych do węzłów chłonnych badanych przez ultrasonografię wewnątrzoskrzelową przez przezoskrzelową aspirację igłą (EBUS-TBNA), przy użyciu techniki segmentacji. Obrazy zostaną utworzone z 300 filmów z węzłów chłonnych z prospektywnej biblioteki i zostaną wykorzystane jako zestaw wyprowadzeń do opracowania algorytmu. Dodatkowe 100 obrazów węzłów chłonnych zostanie zebranych prospektywnie w celu sprawdzenia, czy NeuralSeg może prawidłowo zastosować punktację.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

52

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Kanada
    • Ontario
      • Hamilton, Ontario, Kanada, L8N 4A6
        • St. Joseph's Healthcare Hamilton

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Faza A nie wymaga rejestracji pacjentów. Faza B będzie wymagać prospektywnej rejestracji pacjentów w celu uzyskania zestawu do walidacji nowych filmów z węzłami chłonnymi. Wszyscy pacjenci, którzy mają zostać poddani procedurze EBUS-TBNA w celu oceny stopnia zaawansowania NSCLC w szpitalu St. Joseph's Healthcare Hamilton, będą kwalifikować się do udziału w tym badaniu. Nie ma kryteriów wykluczenia. Wszyscy pacjenci zostaną poddani EBUS-TBNA zgodnie z rutynową opieką, z wyjątkiem jednej różnicy, w której procedury będą nagrywane na wideo, aby można je było wykorzystać do analizy komputerowej w późniejszym czasie.

Opis

Kryteria przyjęcia:

  • musi być zdiagnozowany z potwierdzonym lub podejrzewanym rakiem płuc i przejść diagnostykę/ocenę stopnia zaawansowania EBUS

Kryteria wyłączenia:

  • Nic

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Opracowanie algorytmu komputerowego do identyfikacji cech ultrasonograficznych węzłów chłonnych
Ramy czasowe: Od retrospektywnego zbierania danych do opracowania algorytmu (1 miesiąc)
Cel: ustalenie, czy głęboka neuronowa sieć sztucznej inteligencji (NeuralSeg) może nauczyć się, jak przypisać Canada Lymph Node Score do węzłów chłonnych badanych przez EBUS, przy użyciu techniki segmentacji na istniejącym (pochodnym) zestawie filmów z węzłów chłonnych
Od retrospektywnego zbierania danych do opracowania algorytmu (1 miesiąc)
Walidacja algorytmu komputerowego do identyfikacji cech ultrasonograficznych węzłów chłonnych
Ramy czasowe: Od prospektywnego zbierania danych do walidacji algorytmu (6 miesięcy)
Cel: ustalenie, czy NeuralSeg może prawidłowo zastosować Canada Lymph Node Score do nowego (walidacyjnego) zestawu filmów dotyczących węzłów chłonnych, których nigdy wcześniej nie widział
Od prospektywnego zbierania danych do walidacji algorytmu (6 miesięcy)

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Dokładność i niezawodność segmentacji wykonanej przez NeuralSeg
Ramy czasowe: Od segmentacji wykonywanej przez chirurga do segmentacji wykonywanej przez NeuralSeg (1 miesiąc)
Cel: porównanie dokładności i wiarygodności segmentacji wykonanej przez NeuralSeg z segmentacją wykonaną przez doświadczonego chirurga endoskopowego z wykorzystaniem współczynników DICE-SORENSEN.
Od segmentacji wykonywanej przez chirurga do segmentacji wykonywanej przez NeuralSeg (1 miesiąc)
NeuralSeg przewidywanie złośliwości węzłów chłonnych
Ramy czasowe: Od algorytmu NeuralSeg stosowanego w obrazowaniu EBUS do raportu z biopsji (szacowany do 2-3 miesięcy)
Cel: ustalenie, czy NeuralSeg może dokładnie przewidzieć złośliwość węzła chłonnego w porównaniu z wynikami biopsji badanego węzła chłonnego.
Od algorytmu NeuralSeg stosowanego w obrazowaniu EBUS do raportu z biopsji (szacowany do 2-3 miesięcy)

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

St. Joseph's Healthcare Hamilton

Śledczy

  • Główny śledczy: Wael C Hanna, St. Josephs Healthcare Hamilton

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

8 kwietnia 2019

Zakończenie podstawowe (Rzeczywisty)

23 września 2019

Ukończenie studiów (Rzeczywisty)

20 listopada 2019

Daty rejestracji na studia

Pierwszy przesłany

19 lutego 2019

Pierwszy przesłany, który spełnia kryteria kontroli jakości

20 lutego 2019

Pierwszy wysłany (Rzeczywisty)

21 lutego 2019

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

11 marca 2020

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

10 marca 2020

Ostatnia weryfikacja

1 marca 2020

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • StJoes EBUS AI (5636)

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Badania kliniczne na Choroby płuc

Badania kliniczne na Ultrasonografia wewnątrzoskrzelowa

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Albania

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

3
Subskrybuj