O uso de inteligência artificial para prever linfonodos cancerígenos para estadiamento do câncer de pulmão durante a ultrassonografia
10 de março de 2020 atualizado por: Wael Hanna, St. Joseph's Healthcare Hamilton
Desenvolvimento e Validação de Algoritmo Auxiliado por Computador Utilizando Inteligência Artificial e Redes Neurais Profundas para Segmentação de Características Ultrassonográficas de Linfonodos Durante Ultrassom Endobrônquico
Este estudo tem como objetivo determinar se uma rede de inteligência artificial (IA) neural profunda (NeuralSeg) pode aprender como atribuir o Canada Lymph Node Score a linfonodos examinados por aspiração transbrônquica por ultrassom endobrônquico (EBUS-TBNA), usando a técnica de segmentação.
As imagens serão criadas a partir de 300 vídeos de linfonodos de uma biblioteca prospectiva e serão usadas como um conjunto de derivação para desenvolver o algoritmo.
Mais 100 imagens de linfonodos serão coletadas prospectivamente para validar se NeuralSeg pode aplicar corretamente a pontuação.
Visão geral do estudo
Status
Concluído
Condições
Intervenção / Tratamento
Tipo de estudo
Observacional
Inscrição (Real)
52
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Ontario
-
Hamilton, Ontario, Canadá, L8N 4A6
- St. Joseph's Healthcare Hamilton
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
18 anos e mais velhos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
A Fase A não requer inscrição de pacientes.
A Fase B exigirá a inscrição prospectiva de pacientes para obter o conjunto de validação de novos vídeos de linfonodos.
Todos os pacientes que estão programados para passar por um procedimento EBUS-TBNA para estadiamento mediastinal de NSCLC no St. Joseph's Healthcare Hamilton serão elegíveis para se inscrever neste estudo.
Não há critérios de exclusão.
Todos os pacientes serão submetidos a EBUS-TBNA de acordo com os cuidados de rotina, exceto por uma diferença em que os procedimentos serão gravados em vídeo para que possam ser usados para análise de computador posteriormente.
Descrição
Critério de inclusão:
- deve ser diagnosticado com câncer de pulmão confirmado ou suspeito e estar passando por diagnóstico/estadiamento de EBUS
Critério de exclusão:
- Nenhum
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Desenvolvimento de algoritmo computacional para identificar características ultrassonográficas de linfonodos
Prazo: Da coleta retrospectiva de dados ao desenvolvimento do algoritmo (1 mês)
|
Objetivo: determinar se uma rede neural profunda de IA (NeuralSeg) pode aprender a atribuir o Canada Lymph Node Score a linfonodos examinados por EBUS, usando a técnica de segmentação em um conjunto existente (derivação) de vídeos de linfonodos
|
Da coleta retrospectiva de dados ao desenvolvimento do algoritmo (1 mês)
|
|
Validação de algoritmo de computador para identificar características ultrassonográficas de linfonodos
Prazo: Da coleta prospectiva de dados à validação do algoritmo (6 meses)
|
Objetivo: determinar se NeuralSeg pode aplicar corretamente o Canada Lymph Node Score a um novo (validação) conjunto de vídeos de linfonodos que nunca viu antes
|
Da coleta prospectiva de dados à validação do algoritmo (6 meses)
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão e confiabilidade da segmentação realizada pela NeuralSeg
Prazo: Da segmentação realizada pelo cirurgião à segmentação realizada pela NeuralSeg (1 mês)
|
Objetivo: comparar a precisão e a confiabilidade da segmentação realizada pelo NeuralSeg com a segmentação realizada por um cirurgião endoscópico experiente usando os coeficientes DICE-SORENSEN.
|
Da segmentação realizada pelo cirurgião à segmentação realizada pela NeuralSeg (1 mês)
|
|
Previsão NeuralSeg de neoplasia linfonodal
Prazo: Do algoritmo NeuralSeg usado na imagem EBUS ao relatório de biópsia (estimado em até 2-3 meses)
|
Objetivo: determinar se o NeuralSeg pode predizer com precisão a malignidade no linfonodo quando comparado aos resultados da biópsia do linfonodo examinado.
|
Do algoritmo NeuralSeg usado na imagem EBUS ao relatório de biópsia (estimado em até 2-3 meses)
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Investigador principal: Wael C Hanna, St. Josephs Healthcare Hamilton
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- American College of Chest Physicians; Health and Science Policy Committee. Diagnosis and management of lung cancer: ACCP evidence-based guidelines. American College of Chest Physicians. Chest. 2003 Jan;123(1 Suppl):D-G, 1S-337S. No abstract available.
- Hanna WC, Yasufuku K. Bronchoscopic staging of lung cancer. Ther Adv Respir Dis. 2013 Apr;7(2):111-8. doi: 10.1177/1753465812468041. Epub 2012 Dec 20.
- Hylton DA, Turner J, Shargall Y, Finley C, Agzarian J, Yasufuku K, Fahim C, Hanna WC. Ultrasonographic characteristics of lymph nodes as predictors of malignancy during endobronchial ultrasound (EBUS): A systematic review. Lung Cancer. 2018 Dec;126:97-105. doi: 10.1016/j.lungcan.2018.10.020. Epub 2018 Oct 30.
- El-Sherief AH, Lau CT, Wu CC, Drake RL, Abbott GF, Rice TW. International association for the study of lung cancer (IASLC) lymph node map: radiologic review with CT illustration. Radiographics. 2014 Oct;34(6):1680-91. doi: 10.1148/rg.346130097.
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
8 de abril de 2019
Conclusão Primária (Real)
23 de setembro de 2019
Conclusão do estudo (Real)
20 de novembro de 2019
Datas de inscrição no estudo
Enviado pela primeira vez
19 de fevereiro de 2019
Enviado pela primeira vez que atendeu aos critérios de CQ
20 de fevereiro de 2019
Primeira postagem (Real)
21 de fevereiro de 2019
Atualizações de registro de estudo
Última Atualização Postada (Real)
11 de março de 2020
Última atualização enviada que atendeu aos critérios de controle de qualidade
10 de março de 2020
Última verificação
1 de março de 2020
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- StJoes EBUS AI (5636)
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .