- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05553977
Sztuczna inteligencja i jakość oczyszczania jelit (CALPER2)
Projektowanie i walidacja systemu sztucznej inteligencji do wykrywania jakości oczyszczania okrężnicy przed kolonoskopią
Przegląd badań
Status
Interwencja / Leczenie
Szczegółowy opis
Wykazano, że postrzeganie przez pacjenta ostatniego wypróżnienia przed kolonoskopią jest silnym predyktorem oczyszczenia jelit ocenianego podczas kolonoskopii. Duże badanie z udziałem 1011 pacjentów rozdzielonych na kohortę wyjściową (633 pacjentów) i kohortę walidacyjną (378 pacjentów) przy użyciu zestawu 4 zdjęć przypominających właściwości oczyszczające jelita wykazało umiarkowaną zgodność z BBPS. Ponadto uzyskano dobrą zgodność, porównując postrzeganie ostatniego wypróżnienia przez personel i przez pacjentów. Odkrycia te stanowią doskonałą okazję do przetestowania ratunkowych interwencji oczyszczających tego samego dnia badania, przed kolonoskopią.
W ciągu ostatnich dwóch lat zastosowania sztucznej inteligencji dokonały istotnego przełomu w kilku dyscyplinach, w tym w endoskopii. Uczenie maszynowe i jego bardziej zaawansowana forma deep learning, odnosi się do tworzenia algorytmów (konwolucyjnych sieci neuronowych) z możliwością uczenia się i wykonywania określonych zadań. W warunkach endoskopii aplikacje widzenia komputerowego zostały określone jako priorytetowe pole badawcze. W oparciu o wszystkie te doświadczenia, celem tego badania było zaprojektowanie i zweryfikowanie konwolucyjnej sieci neuronowej zdolnej do automatycznego przewidywania jakości oczyszczenia pacjenta w domu po przyjęciu roztworu oczyszczającego jelita i przed przystąpieniem do kolonoskopii. Drugim celem była prospektywna ocena w kohorcie pacjentów zgodności między wynikiem oceny jakości ostatniego wypływu z odbytu ocenianej za pomocą konwolucyjnej sieci neuronowej a jakością oczyszczenia ocenianą podczas kolonoskopii ocenianą za pomocą zwalidowanej skali (Boston Bowel Preparation Scale, BBPS). Badanie to jest zagnieżdżone w prospektywnym badaniu obserwacyjnym przeprowadzonym w Oddziale Endoskopii Otwartego Dostępu Szpitala Universitario de Canarias w okresie od lutego 2021 r. do maja 2021 r. (NCT04702646). W badaniu wzięło udział 633 kolejnych pacjentów ambulatoryjnych z zaplanowaną kolonoskopią (łącznie 266 pacjentów (42%) przesłało co najmniej jedno zdjęcie). Po tym badaniu pacjenci, u których poproszono o ambulatoryjną kolonoskopię, zostali poproszeni o dostarczenie zdjęć swoich odpływów podczas przyjmowania preparatu jelitowego. Podgrupa tych obrazów zostanie sklasyfikowana przez personel naszej jednostki jako adekwatne i nieodpowiednie i zostanie wykorzystana do trenowania konwolucyjnej sieci neuronowej. Inny zestaw obrazów zostanie użyty do sprawdzenia konwolucyjnej sieci neuronowej. Dodatkowo badacze zweryfikują in vivo konwolucyjną sieć neuronową, porównując jej klasyfikację jakości ścieków ze zwalidowaną skalą oczyszczania okrężnicy podczas kolonoskopii.
Typ studiów
Zapisy (Oczekiwany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Antonio Z Gimeno García, MD, PhD
- Numer telefonu: +34922678554
- E-mail: antozeben@gmail.com
Lokalizacje studiów
-
-
S/C De Tenerife
-
La Laguna, S/C De Tenerife, Hiszpania, 38320
- Rekrutacyjny
- Department of Gastroenterology
-
Kontakt:
- Antonio Z Gimeno Garcia, MD, hD
- Numer telefonu: 34922678039
- E-mail: antozeben@gmail.com
-
Pod-śledczy:
- David Nicolas Perez, MD, PhD
-
Główny śledczy:
- Antonio Z Gimeno García, MD
-
Pod-śledczy:
- Manuel Hernandez Guerra, MD, PhD
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Wiek >18 lat, do podpisania świadomej zgody,
- Pacjenci ze wskazaniem do ambulatoryjnej kolonoskopii
- Pacjenci połykający preparat jelitowy
Kryteria wyłączenia:
- Niekompletna kolonoskopia (z wyjątkiem złego przygotowania jelita)
- Przeciwwskazania do kolonoskopii
- Alergie.
- Odmowa udziału w badaniu lub upośledzenie możliwości podpisania świadomej zgody.
- Kolektomia (więcej niż 1 odcinek)
- Otępienie z trudnością w przyjmowaniu preparatu
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Kohorta
- Perspektywy czasowe: Spodziewany
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Kolejni pacjenci do ambulatoryjnej kolonoskopii
Naukowcy zaproponują udział w badaniu pacjentom zaplanowanym na kolonoskopię, którzy spełniają wszystkie kryteria włączenia i żadne z kryteriów wykluczenia
|
każdemu pacjentowi objętemu badaniem zostanie podana jednodniowa dieta płynna oraz: preparat do jelita grubego podzielony na 4 litry roztworu glikolu polietylenowego, 2 litry kwasu PEG-askorbinowego lub 2 litry pikosiarczanu.
Kolonoskopia zostanie przeprowadzona u każdego pacjenta objętego badaniem
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Charakterystyka ścieków
Ramy czasowe: 1 rok
|
Charakterystyka ścieków.
Zestaw 4 zdjęć skategoryzowanych według odpowiedniego przygotowania (przezroczysta ciecz, przezroczysta ciecz z grudkami) i nieodpowiedniego przygotowania (ciemna ciecz lub ciemna ciecz z cząstkami stałymi).
Łączna sieć neuronowa zostanie przeszkolona za pomocą obrazów ścieków i poddana walidacji.
|
1 rok
|
|
Jakość oczyszczenia jelit oceniana za pomocą Boston Bowel Preparation Scale
Ramy czasowe: 1 rok
|
Jakość oczyszczenia jelit oceniana za pomocą skali Boston Bowel Preparation Scale.
Skala ta rozciąga się od 0 (brak przygotowania) do 3 punktów (doskonałe przygotowanie) w trzech odcinkach okrężnicy (proksymalny, poprzeczny i dystalny).
Maksymalna liczba punktów to 9 punktów
|
1 rok
|
Współpracownicy i badacze
Publikacje i pomocne linki
Publikacje ogólne
- Berzin TM, Parasa S, Wallace MB, Gross SA, Repici A, Sharma P. Position statement on priorities for artificial intelligence in GI endoscopy: a report by the ASGE Task Force. Gastrointest Endosc. 2020 Oct;92(4):951-959. doi: 10.1016/j.gie.2020.06.035. Epub 2020 Jun 19.
- Mori Y, Misawa M, Kudo SE. Challenges in artificial intelligence for polyp detection. Dig Endosc. 2022 May;34(4):870-871. doi: 10.1111/den.14279. Epub 2022 Mar 22. No abstract available.
- Fatima H, Johnson CS, Rex DK. Patients' description of rectal effluent and quality of bowel preparation at colonoscopy. Gastrointest Endosc. 2010 Jun;71(7):1244-1252.e2. doi: 10.1016/j.gie.2009.11.053. Epub 2010 Apr 1.
- Alzubaidi L, Zhang J, Humaidi AJ, Al-Dujaili A, Duan Y, Al-Shamma O, Santamaria J, Fadhel MA, Al-Amidie M, Farhan L. Review of deep learning: concepts, CNN architectures, challenges, applications, future directions. J Big Data. 2021;8(1):53. doi: 10.1186/s40537-021-00444-8. Epub 2021 Mar 31.
- Harewood GC, Wright CA, Baron TH. Assessment of patients' perceptions of bowel preparation quality at colonoscopy. Am J Gastroenterol. 2004 May;99(5):839-43. doi: 10.1111/j.1572-0241.2004.04176.x.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Oczekiwany)
Ukończenie studiów (Oczekiwany)
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
Inne numery identyfikacyjne badania
- CNN bowel cleansing
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 .