Desenvolvimento e Validação de Modelos de Diagnóstico Baseados em TC Utilizando Inteligência Artificial para Detecção de Obstrução do Intestino Delgado (SMARTLOOP2)
A obstrução do intestino delgado (SBO) é uma emergência cirúrgica não traumática comum. Todas as diretrizes recomendam a tomografia computadorizada (TC) como exame de imagem de primeira linha para pacientes com suspeita de SBO. Os objetivos da TC são múltiplos: (i) confirmar ou refutar o diagnóstico de obstrução GI, definida como distensão do trato digestivo maior que 25 mm, e, na presença de SBO, (ii) confirmar o mecanismo (mecânico vs. funcional), (iii) localizar o local da obstrução, ou seja, a zona de transição (ZT), (iv) identificar a causa e (v) procurar complicações como estrangulamento ou perfuração, influenciando o manejo.
Dado o aumento exponencial do número de exames sendo realizados, especialmente no cenário de gerenciamento de emergência, métodos para auxiliar o radiologista seriam úteis para:
- Classificar os exames realizados, permitindo priorizar a análise dos exames com maior probabilidade de patologia (oclusão no nosso caso)
- Auxiliar o radiologista a diagnosticar a oclusão e seu tipo (funcional ou mecânico), e a identificar sinais de gravidade.
- Ajudar o médico de emergência e o cirurgião digestivo a tomar uma decisão sobre o manejo da doença (cirúrgica ou médica).
O aprendizado de máquina desenvolveu-se rapidamente nas últimas décadas, primeiro graças ao aumento das capacidades de armazenamento de dados, depois graças à chegada de hardware de processamento paralelo baseado em unidades de processamento gráfico, no contexto da assistência diagnóstica radiológica. Consequentemente, o número de estudos sobre redes neurais profundas em imagens médicas está aumentando rapidamente. No entanto, poucas equipes se concentram no SBO. Os únicos modelos de classificação publicados foram produzidos para radiografias abdominais padrão. Nenhum estudo utilizou modelos de TC ou 3D, além de nosso estudo preliminar sobre ZTs, apesar das reconhecidas vantagens da TC para o diagnóstico de SBO e da provável contribuição de modelos 3D, que podem ser comparáveis aos da reconstrução multiplanar para a análise de imagens em vários planos do espaço.
Visão geral do estudo
Status
Condições
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
-
Gif-sur-Yvette, França
- Central for Visual Computing - OPIS Inria group
-
Paris, França, 75014
- Groupe Hospitalier Paris Saint-Joseph
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Paciente cuja idade ≥ 18 anos
- Paciente que realizou tomografia computadorizada com pelo menos uma aquisição abdominal-pélvica realizada no Grupo Hospitalar Saint Joseph
- Relatório contendo os termos "oclusão" ou "oclusivo", "vômito" ou "íleo"
- paciente falante de francês
Critério de exclusão:
- Imagem não utilizável
- Ausência de volume abdomino-pélvico nas aquisições tomográficas
- Paciente sob tutela ou curatela
- Paciente privado de liberdade
- Paciente sob proteção judicial
- Paciente se opondo ao uso de seus dados para esta pesquisa
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Coorte
- Perspectivas de Tempo: Retrospectivo
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Detecção automatizada de oclusões digestivas
Prazo: Ano 1
|
Esse resultado corresponde à capacidade do modelo em identificar a presença ou ausência de oclusão: sensibilidade, especificidade e valores preditivos.
|
Ano 1
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Diferenciação automática de oclusões funcionais versus mecânicas
Prazo: Ano 1
|
Este resultado corresponde à detecção de oclusões funcionais vs. mecânicas.
|
Ano 1
|
|
Algoritmo para indicação cirúrgica
Prazo: Ano 1
|
Esse resultado corresponde ao desempenho do algoritmo clínico-radiobiológico para predição de cirurgia.
|
Ano 1
|
|
Análise via radiômica de zonas de junção
Prazo: Ano 1
|
Este resultado corresponde à análise via radiômica das zonas de junção das oclusões digestivas mecânicas (as zonas de junção são as zonas onde se localiza a transição dilatação-plana, portanto a zona onde se localiza a obstrução):
|
Ano 1
|
|
Detecção automatizada de áreas de junção
Prazo: Ano 1
|
Este resultado corresponde ao desempenho da detecção automática na identificação das zonas de junção das obstruções digestivas mecânicas.
|
Ano 1
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Quentin Vanderbecq, MD, Groupe hospitalier Paris saint Joseph
Publicações e links úteis
Publicações Gerais
- Ten Broek RPG, Krielen P, Di Saverio S, Coccolini F, Biffl WL, Ansaloni L, Velmahos GC, Sartelli M, Fraga GP, Kelly MD, Moore FA, Peitzman AB, Leppaniemi A, Moore EE, Jeekel J, Kluger Y, Sugrue M, Balogh ZJ, Bendinelli C, Civil I, Coimbra R, De Moya M, Ferrada P, Inaba K, Ivatury R, Latifi R, Kashuk JL, Kirkpatrick AW, Maier R, Rizoli S, Sakakushev B, Scalea T, Soreide K, Weber D, Wani I, Abu-Zidan FM, De'Angelis N, Piscioneri F, Galante JM, Catena F, van Goor H. Bologna guidelines for diagnosis and management of adhesive small bowel obstruction (ASBO): 2017 update of the evidence-based guidelines from the world society of emergency surgery ASBO working group. World J Emerg Surg. 2018 Jun 19;13:24. doi: 10.1186/s13017-018-0185-2. eCollection 2018.
- Expert Panel on Gastrointestinal Imaging, Chang KJ, Marin D, Kim DH, Fowler KJ, Camacho MA, Cash BD, Garcia EM, Hatten BW, Kambadakone AR, Levy AD, Liu PS, Moreno C, Peterson CM, Pietryga JA, Siegel A, Weinstein S, Carucci LR. ACR Appropriateness Criteria(R) Suspected Small-Bowel Obstruction. J Am Coll Radiol. 2020 May;17(5S):S305-S314. doi: 10.1016/j.jacr.2020.01.025.
- Frager D, Medwid SW, Baer JW, Mollinelli B, Friedman M. CT of small-bowel obstruction: value in establishing the diagnosis and determining the degree and cause. AJR Am J Roentgenol. 1994 Jan;162(1):37-41. doi: 10.2214/ajr.162.1.8273686.
- Montagnon E, Cerny M, Cadrin-Chenevert A, Hamilton V, Derennes T, Ilinca A, Vandenbroucke-Menu F, Turcotte S, Kadoury S, Tang A. Deep learning workflow in radiology: a primer. Insights Imaging. 2020 Feb 10;11(1):22. doi: 10.1186/s13244-019-0832-5.
- Cheng PM, Tejura TK, Tran KN, Whang G. Detection of high-grade small bowel obstruction on conventional radiography with convolutional neural networks. Abdom Radiol (NY). 2018 May;43(5):1120-1127. doi: 10.1007/s00261-017-1294-1.
- Kim DH, Wit H, Thurston M, Long M, Maskell GF, Strugnell MJ, Shetty D, Smith IM, Hollings NP. An artificial intelligence deep learning model for identification of small bowel obstruction on plain abdominal radiographs. Br J Radiol. 2021 Jun 1;94(1122):20201407. doi: 10.1259/bjr.20201407. Epub 2021 Apr 27.
- Vanderbecq Q, Ardon R, De Reviers A, Ruppli C, Dallongeville A, Boulay-Coletta I, D'Assignies G, Zins M. Adhesion-related small bowel obstruction: deep learning for automatic transition-zone detection by CT. Insights Imaging. 2022 Jan 24;13(1):13. doi: 10.1186/s13244-021-01150-y.
- Hodel J, Zins M, Desmottes L, Boulay-Coletta I, Julles MC, Nakache JP, Rodallec M. Location of the transition zone in CT of small-bowel obstruction: added value of multiplanar reformations. Abdom Imaging. 2009 Jan-Feb;34(1):35-41. doi: 10.1007/s00261-007-9348-4.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Antecipado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- SMARTLOOP2
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
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 .