Artificial Intelligence Identifying Polyps in Real-world Colonoscopy
14 декабря 2018 г. обновлено: Zhaoshen Li
Validating the Performance of Artificial Intelligence in Identifying Polyps in Real-world Colonoscopy
Recently, artificial intelligence (AI) assisted image recognition has made remarkable breakthroughs in various medical fields with the developing of deep learning and conventional neural networks (CNNs).
However, all current AI assisted-diagnosis systems (ADSs) were established and validated on endoscopic images or selected videos, while its actual assisted-diagnosis performance in real-world colonoscopy is up to now unknown.
Therefore, we validated the performance of an ADS in real-world colonoscopy, which is based on deep learning algorithm and CNNs, trained and tested in multicenter datasets of 20 endoscopy centers.
Обзор исследования
Статус
Завершенный
Условия
Вмешательство/лечение
Подробное описание
The ADS were established in changhai digestive endoscopy center to assess its efficacy in clinical practice.
The ADS automatically initiated once the ileocecal valve was pictured by the colonoscopist or the colonoscopist recorded any image of colon during the insertion.
When colonoscopists withdrew the colonoscopies and inspect the colons, the video streaming of colonoscopies was real-time switched to the ADS, which made it feasible to identify and classify lesions in real time.
Colonoscopists were invited to respond if they doubted potential polyps in the screen, and the ADS also made a voice when identifying potential polyps, followed by repeatedly inspecting to confirm the existence of lesions.
The voice of ADS could be real-time heard by colonoscopists, while the screen of ADS was placed right behind colonoscopists, where polyps identified by ADS could be seen after the colonoscopists' turning but not simultaneously.
The lesion detection by ADS or colonoscopists were determined as follow: A. polyps only identified by ADS, which was considered to be missed by colonoscopists: polyps were reported by the ADS and the colonoscopists did not know the location of polyps without reminder of the ADS until the polyps disappeared from the view; B. polyps first identified by ADS: polyps were first reported by the ADS and the colonoscopists also later knew the location of polyps by themselves; C. polyps simultaneously identified by the ADS and colonoscopists: the time of reporting polyps was closely synchronal (within 1 second); D. polyps first reported by colonoscopists: polyps were first reported by the colonoscopists and the ADS also later identified the location of polyps before the colonoscopists unfolded and pictured the polyps; E. polyps only reported by colonoscopists, which was considered to be missed by the ADS: polyps were reported by the colonoscopists and the ADS did not identify the location of polyps until colonoscopists unfolded and pictured the polyps.
Besides, the false-positives of real-world ADS were also reported with potential causes analyzed by colonoscopists.
Тип исследования
Наблюдательный
Регистрация (Действительный)
209
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
-
Shanghai, Китай, 200433
- Changhai Hospital, Second Military Medical University
-
Shanghai, Китай, 200433
- Changhai Hospital
-
-
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
От 18 лет до 75 лет (Взрослый, Пожилой взрослый)
Принимает здоровых добровольцев
Нет
Полы, имеющие право на обучение
Все
Метод выборки
Невероятностная выборка
Исследуемая популяция
consecutive outpatient who recieved colonoscopy
Описание
Inclusion Criteria:
- patients receiving screening colonoscopy
- patients receiving surveillance colonoscopy
- patients receiving diagnostic colonoscopy
Exclusion Criteria:
- patients with declined consent
- patients with poor bowel preparation
- patients with failed cecal intubation
- patients with colonic resection
- patients with inflammatory bowel diseases
- patients with polyposis
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Только для случая
- Временные перспективы: Перспективный
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
colonoscopy withdrawal with the ADS monitoring
The ADS automatically initiated once the ileocecal valve was pictured by the colonoscopist or the colonoscopist recorded any image of colon during the insertion.
When colonoscopists withdrew the colonoscopies and inspect the colons, the video streaming of colonoscopies was real-time switched to the ADS, which made it feasible to identify and classify lesions in real time.
|
During the testing of trained ADS, when the system doubts colonic lesions from the input data of the test images, a rectangular frame was displayed in the endoscopic image to surround the lesion.
If the system confirmed it as the colonic lesions, a sound of reminder will be played and the types of lesions (non-adenomatous polyps, adenomatous polyps and colorectal cancers) will be classified by the system.
We adopted several standards to define the identification and classification of colonic lesions: 1) when the system identified and confirmed any lesion in the images of no polyps or cancers, the results were judged to be false-positive.
2) when the system both confirmed and correctly localized the lesions in images (IoU > 0.3), the results were judged to be true-positive.
3) when the system did not confirm or correctly localize the lesions, the results were judged as false-negative.
4) when system confirmed no lesions in the normal images, the results were judged to be true-negative.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
sensitivity of the ADS in identifying polyps
Временное ограничение: 1 hour
|
Polyps that were only reported by colonoscopists were considered to be missed by the ADS (polyps were reported by the colonoscopists and the ADS did not identify the location of polyps until colonoscopists unfolded and pictured the polyps.)
|
1 hour
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
false positves of the ADS per colonoscopy withdrawal
Временное ограничение: 1 hour
|
when the system identified and confirmed any lesion in the images with no polyps or cancers appearing, the results were judged to be false-positive.
|
1 hour
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Публикации и полезные ссылки
Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.
Общие публикации
- Byrne MF, Chapados N, Soudan F, Oertel C, Linares Perez M, Kelly R, Iqbal N, Chandelier F, Rex DK. Real-time differentiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonoscopy using a deep learning model. Gut. 2019 Jan;68(1):94-100. doi: 10.1136/gutjnl-2017-314547. Epub 2017 Oct 24.
- Wang Z, Meng Q, Wang S, Li Z, Bai Y, Wang D. Deep learning-based endoscopic image recognition for detection of early gastric cancer: a Chinese perspective. Gastrointest Endosc. 2018 Jul;88(1):198-199. doi: 10.1016/j.gie.2018.01.029. No abstract available.
- Urban G, Tripathi P, Alkayali T, Mittal M, Jalali F, Karnes W, Baldi P. Deep Learning Localizes and Identifies Polyps in Real Time With 96% Accuracy in Screening Colonoscopy. Gastroenterology. 2018 Oct;155(4):1069-1078.e8. doi: 10.1053/j.gastro.2018.06.037. Epub 2018 Jun 18.
- Wang Z, Zhao S, Bai Y. Artificial Intelligence as a Third Eye in Lesion Detection by Endoscopy. Clin Gastroenterol Hepatol. 2018 Sep;16(9):1537. doi: 10.1016/j.cgh.2018.04.032. No abstract available.
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Действительный)
1 ноября 2018 г.
Первичное завершение (Действительный)
10 декабря 2018 г.
Завершение исследования (Действительный)
10 декабря 2018 г.
Даты регистрации исследования
Первый отправленный
30 ноября 2018 г.
Впервые представлено, что соответствует критериям контроля качества
30 ноября 2018 г.
Первый опубликованный (Действительный)
3 декабря 2018 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
17 декабря 2018 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
14 декабря 2018 г.
Последняя проверка
1 декабря 2018 г.
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- AI-1
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
продукт, произведенный в США и экспортированный из США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .