- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05147389
Sztuczna inteligencja do cyfrowej cholangioskopii w diagnostyce nowotworów
Walidacja kliniczna oprogramowania sztucznej inteligencji do diagnostyki cholangioskopii cyfrowej: próba obserwacyjna
Cyfrowa cholangioskopia wykonywana przez jednego operatora (DSOC) zapewnia wysoką dokładność diagnostyczną zmian nowotworowych dróg żółciowych. Do tej pory nie ma powszechnie akceptowanej klasyfikacji DSOC. Umowy wewnątrz i między obserwatorami endoskopistów są bardzo zróżnicowane. Ocena raka dróg żółciowych (CCA) za pomocą narzędzi sztucznej inteligencji (AI) dotyczy prawie wyłącznie wewnątrzwątrobowego CCA (iCCA). Dlatego potrzeba więcej narzędzi AI do oceny pozawątrobowych zmian nowotworowych dróg żółciowych.
W Ekwadorze badacze zaproponowali niedawno model AI do klasyfikacji zmian w drogach żółciowych podczas DSOC w czasie rzeczywistym, który dokładnie wykrywał wzorce złośliwości. Niniejsze badanie ma na celu kliniczną weryfikację naszego modelu sztucznej inteligencji do rozróżniania zmian nowotworowych i nienowotworowych dróg żółciowych w porównaniu z doświadczonymi endoskopistami z wysokim DSOC.
Przegląd badań
Status
Szczegółowy opis
Odróżnienie zmian nowotworowych od nienowotworowych w drogach żółciowych stanowi wyzwanie dla klinicystów. Rezonans magnetyczny (MR) i biopsja pod kontrolą endoskopowej cholangiopankreatografii wstecznej (ERCP) osiągnęły ujemną wartość predykcyjną (NPV) około 50%. Z drugiej strony wyniki cyfrowej cholangioskopii pojedynczego operatora (DSOC) zapewniają wysoką dokładność diagnostyczną zmian nowotworowych dróg żółciowych. DSOC może być nawet lepsza niż biopsja pod kontrolą DSOC, co w niektórych przypadkach jest niejednoznaczne. Jednak do tej pory nie ma powszechnie akceptowanej klasyfikacji DSOC do tego celu. Ponadto umowy między endoskopistami i między obserwatorami są bardzo zróżnicowane. Dlatego nadal potrzebny jest bardziej powtarzalny system.
Z interesującymi wynikami opracowano ocenę raka dróg żółciowych (CCA) za pomocą narzędzi sztucznej inteligencji (AI) w oparciu o obrazowanie radiomiki. Niemniej jednak zasoby CCA AI są prawie wyłącznie do wewnątrzwątrobowego CCA (iCCA), z techniką endoskopową. Dlatego potrzeba więcej narzędzi AI do oceny pozawątrobowych zmian nowotworowych dróg żółciowych. Rak dróg żółciowych okołownękowy (pCCA) i dystalny (dCCA) jako najbardziej typowe zmiany nowotworowe dróg żółciowych. Oba stanowią 50-60% i 20-30% wszystkich CCA, w tym wtórne nowotwory złośliwe o lokalnym zasięgu (rak wątrobowokomórkowy, rak pęcherzyka żółciowego i rak trzustki).
W niedawnym portugalskim badaniu sprawdzającym słuszność koncepcji opracowano narzędzie sztucznej inteligencji oparte na konwolucyjnych sieciach neuronalnych (CNN). Pozwala z bardzo dużą dokładnością różnicować złośliwe i łagodne zmiany w przewodach żółciowych lub prawidłową tkankę. Mimo to wymaga większej zewnętrznej walidacji, w tym porównania zgodności wewnątrz i między obserwatorami przez endoskopistów. W Ekwadorze badacze zaproponowali niedawno model AI do klasyfikacji zmian w drogach żółciowych podczas DSOC w czasie rzeczywistym, który był w stanie wykryć wzorzec złośliwości we wszystkich przypadkach.
Niniejsze badanie ma na celu kliniczną walidację naszego modelu AI do rozróżniania zmian nowotworowych i nienowotworowych dróg żółciowych, w porównaniu z sześcioma endoskopistami z dużym doświadczeniem w DSOC.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Brussels, Belgia
- Department of Advanced Interventional Endoscopy, Universitair Ziekenhuis Brussel (UZB)/Vrije Universiteit Brussel (VUB)
-
-
-
-
-
São Paulo, Brazylia
- Serviço de Endoscopía Gastrointestinal do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo
-
-
-
-
Guayas
-
Guayaquil, Guayas, Ekwador, 090505
- Carlos Robles-Medranda
-
-
-
-
New Jersey
-
New Brunswick, New Jersey, Stany Zjednoczone, 08901
- Advanced Endoscopy Research, Robert Wood Johnson Medical School Rutgers University
-
-
Texas
-
Houston, Texas, Stany Zjednoczone, 77030
- Baylor Saint Luke's Medical Center
-
Houston, Texas, Stany Zjednoczone, 77098
- Houston Methodist Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Pacjenci kierowani do naszego ośrodka ze wskazaniem DSOC z powodu podejrzenia guza CBD lub nieokreślonego zwężenia CBD.
- Pacjenci, którzy wyrazili zgodę na rejestrację procedury DSOC w tym badaniu.
Kryteria wyłączenia:
- Każdy stan kliniczny, który czyni DSOC nieopłacalnym.
- Pacjenci z więcej niż jednym DSOC.
- Niska jakość nagranych filmów DSOC, nawet dla modelu AI, jak dla ekspertów endoskopistów.
- Utracone podczas rocznej obserwacji po DSOC.
- Niezgoda między wynikami DSOC a rocznym okresem obserwacji, nawet po ponownej ocenie odpowiednich filmów DSOC.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Zmiany nowotworowe dróg żółciowych
Ta grupa jest potwierdzona filmami DSOC od pacjentów z potwierdzonymi DSOC zmianami nowotworowymi dróg żółciowych, pochodzącymi z każdej grupy uczestniczącej.
Każdy film DSOC odpowiada pełnej procedurze DSOC u jednego pacjenta.
Kryteria nowotworowych dróg żółciowych są zgodne z dwoma następującymi narzędziami: klasyfikacją Robles-Medranda i wsp. oraz klasyfikacją Mendozy.
Konieczna będzie dalsza obserwacja w celu potwierdzenia zmiany nowotworowej dróg żółciowych i typu: pCCA lub dCCA, miejscowe poszerzenie iCCA, rak wątroby mieszany CCA/hepatocarcinoma, rak pęcherzyka żółciowego, rak trzustki lub jakakolwiek inna zmiana nowotworowa dróg żółciowych.
Na podstawie obserwacji filmy od pacjentów z potwierdzonymi nienowotworowymi zmianami w drogach żółciowych zostaną ponownie ocenione i ponownie sklasyfikowane lub ostatecznie wykluczone przez eksperta, który nie zna dokumentacji klinicznej i który nie uczestniczy w klasyfikacji filmów.
|
AIWorks to model sztucznej inteligencji do cholangioskopowego wykrywania w czasie rzeczywistym zmian nowotworowych i nienowotworowych dróg żółciowych.
Pozwala wybrać użycie pliku wideo lub wejścia kamery USB jako źródła wykrywania.
Po wybraniu źródła wejściowego oprogramowanie przeprowadza wykrywanie w czasie rzeczywistym, otaczając obszar zainteresowania (tj. obszar z cechami złośliwymi) wewnątrz prostokąta ograniczającego.
Wszystkie dokonane wykrycia są wyświetlane po prawej stronie ekranu i można je później przejrzeć.
Sześciu endoskopistów z dużym doświadczeniem DSOC będzie obserwować i klasyfikować zestaw filmów wśród zmian nowotworowych lub nienowotworowych dróg żółciowych zgodnie z rozkładem Bernoulliego; ślepy na dokumentację kliniczną i nigdy nie powinien był zajmować się tymi pacjentami. Gastroenterolodzy z każdego ośrodka, nieodpowiedzialni za DSOC, wybiorą filmy wideo DSOC i odpowiadające im dane wyjściowe. Filmy i dane DSOC zostaną zebrane w jednym zestawie. Każdy film przedstawia pełne DSOC dla pojedynczego pacjenta. Pacjent będzie jednostką tego badania. Kryteria nowotworowych dróg żółciowych są zgodne z klasyfikacją Robles-Medranda i wsp. oraz Mendoza (tj. Nieregularna powierzchnia błony śluzowej, kręte i rozszerzone unaczynienie, nieregularne guzki, polipy, owrzodzenia, wzór plastra miodu itp.). Eksperci ocenią nowotworowe drogi żółciowe na podstawie obecności lub braku kryteriów zdezagregowanych. Podobnie, za pomocą boolowskich operatorów logicznych, oprogramowanie statystyczne obliczy zdezagregowane odpowiedzi. |
|
Nienowotworowe zmiany dróg żółciowych
Ta grupa jest potwierdzona filmami DSOC od pacjentów z potwierdzonymi DSOC nienowotworowymi zmianami dróg żółciowych, pochodzącymi z każdej uczestniczącej grupy.
Każdy film DSOC odpowiada pełnej procedurze DSOC u jednego pacjenta.
Kryteria nienowotworowych dróg żółciowych są zgodne z dwoma następującymi narzędziami: klasyfikacją Robles-Medranda i wsp. oraz klasyfikacją Mendozy.
Konieczna będzie dalsza obserwacja w celu potwierdzenia nienowotworowej zmiany w przewodzie żółciowym i rodzaju, jeśli jest to możliwe: ostre lub przewlekłe zapalenie dróg żółciowych wtórne do kamieni lub lokalizacji pasożyta, autoimmunologiczne cholestatyczne choroby wątroby, takie jak autoimmunologiczne stwardniające zapalenie dróg żółciowych i pierwotne żółciowe zapalenie dróg żółciowych.
Na podstawie obserwacji filmy od pacjentów z potwierdzonymi zmianami nowotworowymi dróg żółciowych zostaną ponownie ocenione i ponownie sklasyfikowane lub ostatecznie wykluczone przez eksperta, który nie zna dokumentacji klinicznej i który nie uczestniczy w klasyfikacji filmów.
|
AIWorks to model sztucznej inteligencji do cholangioskopowego wykrywania w czasie rzeczywistym zmian nowotworowych i nienowotworowych dróg żółciowych.
Pozwala wybrać użycie pliku wideo lub wejścia kamery USB jako źródła wykrywania.
Po wybraniu źródła wejściowego oprogramowanie przeprowadza wykrywanie w czasie rzeczywistym, otaczając obszar zainteresowania (tj. obszar z cechami złośliwymi) wewnątrz prostokąta ograniczającego.
Wszystkie dokonane wykrycia są wyświetlane po prawej stronie ekranu i można je później przejrzeć.
Sześciu endoskopistów z dużym doświadczeniem DSOC będzie obserwować i klasyfikować zestaw filmów wśród zmian nowotworowych lub nienowotworowych dróg żółciowych zgodnie z rozkładem Bernoulliego; ślepy na dokumentację kliniczną i nigdy nie powinien był zajmować się tymi pacjentami. Gastroenterolodzy z każdego ośrodka, nieodpowiedzialni za DSOC, wybiorą filmy wideo DSOC i odpowiadające im dane wyjściowe. Filmy i dane DSOC zostaną zebrane w jednym zestawie. Każdy film przedstawia pełne DSOC dla pojedynczego pacjenta. Pacjent będzie jednostką tego badania. Kryteria nowotworowych dróg żółciowych są zgodne z klasyfikacją Robles-Medranda i wsp. oraz Mendoza (tj. Nieregularna powierzchnia błony śluzowej, kręte i rozszerzone unaczynienie, nieregularne guzki, polipy, owrzodzenia, wzór plastra miodu itp.). Eksperci ocenią nowotworowe drogi żółciowe na podstawie obecności lub braku kryteriów zdezagregowanych. Podobnie, za pomocą boolowskich operatorów logicznych, oprogramowanie statystyczne obliczy zdezagregowane odpowiedzi. |
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Potwierdzenie rozpoznania nowotworowego przewodu żółciowego po rocznej obserwacji
Ramy czasowe: Rok
|
Przypadki będą najpierw obserwowane w ciągu jednego roku, aby potwierdzić lub odrzucić zmiany nowotworowe dróg żółciowych.
Ostateczne rozpoznanie zmiany nowotworowej dróg żółciowych będzie oparte na biopsji pod kontrolą DSOC lub wynikach innych wskazanych procedur, w tym cytologii szczotkowej pod kontrolą fluoroskopii, endoskopowego pobierania próbek tkanek pod kontrolą ultrasonografii, próbek chirurgicznych, a nawet badania obrazowego w kontekście bardziej upośledzony pacjent.
Wreszcie zgodność między rocznym okresem obserwacji (złoty standard) a modelem AI i klasyfikacją ekspertów endoskopistów DSOC zostanie zweryfikowana za pomocą tabeli kontyngencji 2 x 2.
|
Rok
|
Współpracownicy i badacze
Współpracownicy
Śledczy
- Główny śledczy: Carlos Robles-Medranda, Ecuadorian Institute of Digestive Diseases
Publikacje i pomocne linki
Publikacje ogólne
- Saraiva MM, Ribeiro T, Ferreira JPS, Boas FV, Afonso J, Santos AL, Parente MPL, Jorge RN, Pereira P, Macedo G. Artificial intelligence for automatic diagnosis of biliary stricture malignancy status in single-operator cholangioscopy: a pilot study. Gastrointest Endosc. 2022 Feb;95(2):339-348. doi: 10.1016/j.gie.2021.08.027. Epub 2021 Sep 8.
- Robles-Medranda C, Oleas R, Sanchez-Carriel M, Olmos JI, Alcivar-Vasquez J, Puga-Tejada M, Baquerizo-Burgos J, Icaza I, Pitanga-Lukashok H. Vascularity can distinguish neoplastic from non-neoplastic bile duct lesions during digital single-operator cholangioscopy. Gastrointest Endosc. 2021 Apr;93(4):935-941. doi: 10.1016/j.gie.2020.07.025. Epub 2020 Jul 22.
- Robles-Medranda C, Valero M, Soria-Alcivar M, Puga-Tejada M, Oleas R, Ospina-Arboleda J, Alvarado-Escobar H, Baquerizo-Burgos J, Robles-Jara C, Pitanga-Lukashok H. Reliability and accuracy of a novel classification system using peroral cholangioscopy for the diagnosis of bile duct lesions. Endoscopy. 2018 Nov;50(11):1059-1070. doi: 10.1055/a-0607-2534. Epub 2018 Jun 28.
- Kahaleh M, Gaidhane M, Shahid HM, Tyberg A, Sarkar A, Ardengh JC, Kedia P, Andalib I, Gress F, Sethi A, Gan SI, Suresh S, Makar M, Bareket R, Slivka A, Widmer JL, Jamidar PA, Alkhiari R, Oleas R, Kim D, Robles-Medranda CA, Raijman I. Digital single-operator cholangioscopy interobserver study using a new classification: the Mendoza Classification (with video). Gastrointest Endosc. 2022 Feb;95(2):319-326. doi: 10.1016/j.gie.2021.08.015. Epub 2021 Aug 31.
- Sethi A, Tyberg A, Slivka A, Adler DG, Desai AP, Sejpal DV, Pleskow DK, Bertani H, Gan SI, Shah R, Arnelo U, Tarnasky PR, Banerjee S, Itoi T, Moon JH, Kim DC, Gaidhane M, Raijman I, Peterson BT, Gress FG, Kahaleh M. Digital Single-operator Cholangioscopy (DSOC) Improves Interobserver Agreement (IOA) and Accuracy for Evaluation of Indeterminate Biliary Strictures: The Monaco Classification. J Clin Gastroenterol. 2022 Feb 1;56(2):e94-e97. doi: 10.1097/MCG.0000000000001321.
- Kahaleh M, Raijman I, Gaidhane M, Tyberg A, Sethi A, Slivka A, Adler DG, Sejpal D, Shahid H, Sarkar A, Martins F, Boumitri C, Burton S, Bertani H, Tarnasky P, Gress F, Gan I, Ardengh JC, Kedia P, Arnelo U, Jamidar P, Shah RJ, Robles-Medranda C. Digital Cholangioscopic Interpretation: When North Meets the South. Dig Dis Sci. 2022 Apr;67(4):1345-1351. doi: 10.1007/s10620-021-06961-z. Epub 2021 Mar 30.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- IECED-11032021
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .