Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Ultrassom endobrônquico aumentado (EBUS-TBNA) com inteligência artificial

18 de agosto de 2025 atualizado por: Norwegian University of Science and Technology

Segmentação automática de linfonodos mediastinais e vasos sanguíneos em imagens de ultrassom endobrônquico (EBUS) usando uma rede neural profunda

Avaliar a utilidade da rede neural profunda (DNN) na avaliação de linfonodos mediastinais e hilares com ultrassom endobrônquico (EBUS). O estudo explorará a viabilidade do DNN para identificar linfonodos e vasos sanguíneos examinados com EBUS.

Visão geral do estudo

Descrição detalhada

Estudo de viabilidade prospectivo multicêntrico. O modelo DNN será treinado em imagens de ultrassom com anotação para identificar linfonodos e vasos sanguíneos examinados com EBUS. A capacidade do DNN de segmentar linfonodos e vasos com base no processamento pós-operatório e imagens estáticas de EBUS será avaliada na primeira parte do estudo. Na segunda parte do estudo será avaliado o uso em tempo real de DNN no procedimento EBUS.

Tipo de estudo

Observacional

Inscrição (Estimado)

50

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.

Contato de estudo

Estude backup de contato

Locais de estudo

      • Levanger, Noruega, 7600
        • Recrutamento
        • Department of Pulmonology, Levanger Hospital, North Trøndelag Hospital Trust
        • Contato:
      • Trondheim, Noruega, 7030
        • Recrutamento
        • Department of Thoracic Medicine, St Olavs Hospital
        • Contato:

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

Método de amostragem

Amostra Não Probabilística

População do estudo

Pacientes com linfonodos mediastinais e hilares aumentados não diagnosticados que foram recomendados para aspiração por agulha transbrônquica por ultrassom endobrônquico (EBUS-TBNA).

Descrição

Critério de inclusão:

  • Indivíduos encaminhados ao departamento torácico em qualquer um dos hospitais participantes com linfonodos mediastínicos e hilares aumentados não diagnosticados.
  • Os indivíduos devem ter ≥ 18 anos de idade

Critério de exclusão:

  • Gravidez
  • Qualquer paciente que o investigador considere inadequado para este estudo por qualquer motivo.

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
Capacidade
Prazo: 8 meses
Explorar se a rede neural profunda (DNN) tem capacidade de segmentar gânglios linfáticos e vasos sanguíneos a partir de imagens EBUS
8 meses

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Precisão
Prazo: 2 meses
A precisão que o DNN tem para detectar linfonodos e vasos sanguíneos. Medido por voxel nas imagens EBUS e por estrutura anotada (uma estrutura é considerada detectada se pelo menos 50% de seus pixels anotados forem identificados pelo DNN).
2 meses
Sensibilidade
Prazo: 2 meses
Taxa positiva verdadeira. Linfonodos/vasos sanguíneos detectados corretamente sobre o total de linfonodos/vasos sanguíneos. Medido por pixel nas imagens EBUS
2 meses
Especificidade
Prazo: 2 meses
Especificidade = (Verdadeiro Negativo)/(Verdadeiro Negativo + Falso Positivo). Medido por pixel nas imagens EBUS.
2 meses
Coeficiente de similaridade de dados
Prazo: 2 meses
Mede a semelhança entre dois conjuntos de dados: Anotado por pneumologista vs DNN.
2 meses
Tempo de execução
Prazo: 2 meses
O tempo de execução é suficientemente baixo para análise em tempo real durante o EBUS?
2 meses
Eventos adversos
Prazo: 48 horas
Eventos adversos relacionados ao procedimento ou incidentes inesperados registrados
48 horas

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Investigadores

  • Diretor de estudo: Øivind Rognmo, Dr.philos, Norwegian University of Science and Technology

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)

1 de maio de 2023

Conclusão Primária (Estimado)

1 de maio de 2027

Conclusão do estudo (Estimado)

1 de dezembro de 2027

Datas de inscrição no estudo

Enviado pela primeira vez

13 de fevereiro de 2023

Enviado pela primeira vez que atendeu aos critérios de CQ

13 de fevereiro de 2023

Primeira postagem (Real)

22 de fevereiro de 2023

Atualizações de registro de estudo

Última Atualização Postada (Real)

22 de agosto de 2025

Última atualização enviada que atendeu aos critérios de controle de qualidade

18 de agosto de 2025

Última verificação

1 de junho de 2025

Mais Informações

Termos relacionados a este estudo

Outros números de identificação do estudo

  • 240245

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 .

Ensaios clínicos em Câncer de pulmão

Ensaios clínicos em algoritmo de aprendizado de máquina

Se inscrever