- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05151939
Модель искусственного интеллекта эндоскопического ультразвука (EUS) для оценки нормальных стриктур средостения и брюшной полости
Эндоскопическая ультразвуковая оценка (ЭУЗИ) нормальных стриктур органов средостения и брюшной полости/анатомических структур с использованием новой разработанной модели искусственного интеллекта
Обзор исследования
Статус
Вмешательство/лечение
- Диагностический тест: Выявление или визуализация средостения и органов брюшной полости/анатомических стриктур с помощью видео эндоскопического ультразвука (ЭУЗИ) опытным эндоскопистом
- Диагностический тест: Распознавание органов средостения и брюшной полости/анатомических стриктур с помощью видео эндоскопического ультразвука (ЭУЗИ) с использованием искусственного интеллекта (ИИ)
Подробное описание
Эндоскопическое ультразвуковое исследование (ЭУЗИ) — это процедура, требующая высокой квалификации, с ограниченным количеством помещений, доступных для обучения. Поэтому для достижения компетентности необходимо большое количество процедур. Однако согласие между наблюдателями сильно различается. Распознавание и характеристика анатомических структур с помощью искусственного интеллекта (ИИ) может улучшить процесс обучения, улучшая согласие между наблюдателями. Однако разработанные модели EUS-AI были специально обучены либо только с образцами заболеваний, либо для выявления анатомических особенностей брюшной полости.
В других областях, таких как радиационная онкология, широко используются разработанные модели ИИ. Они должны одновременно распознавать здоровые и болезненные стриктуры на любой части человеческого тела во время контурной пластики. Это позволяет избежать ненужного облучения нормальных тканей. Модели EUS-AI, не обученные на здоровых образцах, могут привести к увеличению ложноположительных случаев в реальной практике. Это подразумевает потенциальную гипердиагностику аномальных/болезненных стриктур. Модели EUS-AI, не обученные с образцами снаружи
Используя программное обеспечение для автоматизированного машинного обучения, Robles-Medranda et al. ранее разработали модель искусственного интеллекта сверточных нейронных сетей (CNN), которая распознает анатомические структуры во время линейных и радиальных оценок EUS (AI Works, MD Consulting group, Эквадор). Насколько нам известно, эта модель EUS-AI является первой, обученной видео EUS пациентов без патологий и, следовательно, с нормальными анатомическими стриктурами органов средостения и брюшной полости. На этом втором этапе мы стремимся разработать внешнюю проверку нашей разработанной модели ИИ, считая эксперта-эндоскописта золотым стандартом.
Тип исследования
Регистрация (Ожидаемый)
Контакты и местонахождение
Контакты исследования
- Имя: Carlos Robles-Medranda
- Номер телефона: +59342109180
- Электронная почта: carlosoakm@yahoo.es
Места учебы
-
-
Guayas
-
Guayaquil, Guayas, Эквадор, 090505
- Рекрутинг
- Ecuadorian Institute of Digestive Diseases
-
Контакт:
- Carlos A Robles-Medranda, MD
- Номер телефона: +593989158865
- Электронная почта: carlosoakm@yahoo.es
-
Главный следователь:
- Carlos Robles-Medranda, MD FASGE
-
Младший исследователь:
- Martha Arevalo-Mora, MD
-
Младший исследователь:
- Daniel Calle, MD MSc
-
Младший исследователь:
- Miguel Puga-Tejada, MD MSc
-
Младший исследователь:
- Raquel Del Valle Zavala, MD
-
Младший исследователь:
- Juan Alcivar-Vasquez, MD Msc
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Пациенты с отсутствием в анамнезе аномалий грудной клетки и брюшной полости, подтвержденных визуализирующим исследованием, запрошенным для целей здравоохранения за последние двенадцать месяцев (например, рентгенографией грудной клетки и ультразвуковым исследованием брюшной полости или КТ грудной клетки и брюшной полости)
- Пациенты, которые проходят оценку EUS из-за хронической диспепсии.
Критерий исключения:
- Морфологические изменения как минимум в одном органе средостения и брюшной полости/анатомические стриктуры, подтвержденные с помощью любого метода визуализации или ЭУЗИ.
- Неконтролируемая коагулопатия, почечная/печеночная недостаточность или любое сопутствующее заболевание, существенно влияющее на оценку сердечного риска (NHYA III/IV);
- Отказаться от участия в исследовании или подписать соответствующее информированное согласие.
Учебный план
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Только для случая
- Временные перспективы: Поперечный разрез
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
---|---|
Пациенты с нормальными медиастинальными и брюшными органами/анатомическими стриктурами
Взрослые пациенты с нормальными анатомическими/анатомическими стриктурами органов средостения и брюшной полости после визуализации и ЭУЗИ вследствие хронической диспепсии.
|
Опытный эндоскопист выберет набор данных видео ЭУЗИ средостения и брюшной полости (по одному на пациента).
Эксперт-эндоскопист правильно идентифицирует или выполнит визуализацию следующих органов: аорта, позвоночник, дуга аорты, трахея, переднезаднее окно, левая почка, печень, селезенка, тело поджелудочной железы, хвост поджелудочной железы, чревный ствол, селезеночная артерия, селезеночная вена, нижняя полая вена, надпочечник, правая почка, желчный пузырь, общий желчный проток, фатерова ампула, воротная вена.
Используя тот же предыдущий набор данных видео EUS средостения и брюшной полости, модель EUS-AI распознает следующие органы: аорту, позвоночник, дугу аорты, трахею, переднезаднее окно, левую почку, печень, селезенку, тело поджелудочной железы, хвост поджелудочной железы, чревный рак. ствол, селезеночная артерия, селезеночная вена, нижняя полая вена, надпочечник, правая почка, желчный пузырь, общий желчный проток, фатерова ампула, воротная вена.
Принимая во внимание каждого пациента (а не видео кадра данных) в качестве единицы исследования, будет разработана таблица непредвиденных обстоятельств для каждого органа средостения и брюшной полости/анатомической стриктуры.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Общая точность модели искусственного интеллекта (ИИ) эндоскопического ультразвука (ЭУЗИ) для выявления нормальных органов средостения и брюшной полости/анатомических стриктур
Временное ограничение: Три месяца
|
Будут рассчитаны общие характеристики точности: чувствительность, специфичность, положительное прогностическое значение, отрицательное прогностическое значение, диагностическая точность и наблюдаемое согласие. Кроме того, будут определены следующие вероятности:
|
Три месяца
|
Соавторы и исследователи
Следователи
- Главный следователь: Carlos Robles-Medranda, Ecuadorian Institute of Digestive Diseases
Публикации и полезные ссылки
Общие публикации
- Zhang J, Zhu L, Yao L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, An P, Xu B, Tan W, Hu S, Cheng F, Yu H. Deep learning-based pancreas segmentation and station recognition system in EUS: development and validation of a useful training tool (with video). Gastrointest Endosc. 2020 Oct;92(4):874-885.e3. doi: 10.1016/j.gie.2020.04.071. Epub 2020 May 6. Erratum In: Gastrointest Endosc. 2021 Mar;93(3):781.
- Kuwahara T, Hara K, Mizuno N, Haba S, Okuno N, Koda H, Miyano A, Fumihara D. Current status of artificial intelligence analysis for endoscopic ultrasonography. Dig Endosc. 2021 Jan;33(2):298-305. doi: 10.1111/den.13880. Epub 2020 Dec 5. Review.
- Robles-Medranda C, Oleas R, Del Valle R, Mendez JC, Alcívar-Vásquez JM, Puga-Tejada M, Lukashok H. Intelligence for real-time anatomical recognition during endoscopic ultrasound evaluation: a pilot study. Gastrointestinal Endoscopy. 2021; 93(6), AB221. https://doi.org/10.1016/J.GIE.2021.03.491
- Udriștoiu AL, Cazacu IM, Gruionu LG, Gruionu G, Iacob AV, Burtea DE, Ungureanu BS, Costache MI, Constantin A, Popescu CF, Udriștoiu Ș, Săftoiu A. Real-time computer-aided diagnosis of focal pancreatic masses from endoscopic ultrasound imaging based on a hybrid convolutional and long short-term memory neural network model. PLoS One. 2021 Jun 28;16(6):e0251701. doi: 10.1371/journal.pone.0251701. eCollection 2021.
- Yao L, Zhang J, Liu J, Zhu L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, Xu B, Hu S, Zheng B, Yang Y, Yu H. A deep learning-based system for bile duct annotation and station recognition in linear endoscopic ultrasound. EBioMedicine. 2021 Mar;65:103238. doi: 10.1016/j.ebiom.2021.103238. Epub 2021 Feb 24. Erratum in: EBioMedicine. 2021 Nov;73:103650.
- Tonozuka R, Mukai S, Itoi T. The Role of Artificial Intelligence in Endoscopic Ultrasound for Pancreatic Disorders. Diagnostics (Basel). 2020 Dec 24;11(1). pii: E18. doi: 10.3390/diagnostics11010018. Review.
- Marya NB, Powers PD, Chari ST, Gleeson FC, Leggett CL, Abu Dayyeh BK, Chandrasekhara V, Iyer PG, Majumder S, Pearson RK, Petersen BT, Rajan E, Sawas T, Storm AC, Vege SS, Chen S, Long Z, Hough DM, Mara K, Levy MJ. Utilisation of artificial intelligence for the development of an EUS-convolutional neural network model trained to enhance the diagnosis of autoimmune pancreatitis. Gut. 2021 Jul;70(7):1335-1344. doi: 10.1136/gutjnl-2020-322821. Epub 2020 Oct 7.
- Minoda Y, Ihara E, Komori K, Ogino H, Otsuka Y, Chinen T, Tsuda Y, Ando K, Yamamoto H, Ogawa Y. Efficacy of endoscopic ultrasound with artificial intelligence for the diagnosis of gastrointestinal stromal tumors. J Gastroenterol. 2020 Dec;55(12):1119-1126. doi: 10.1007/s00535-020-01725-4. Epub 2020 Sep 11.
- Cazacu IM, Udristoiu A, Gruionu LG, Iacob A, Gruionu G, Saftoiu A. Artificial intelligence in pancreatic cancer: Toward precision diagnosis. Endosc Ultrasound. 2019 Nov-Dec;8(6):357-359. doi: 10.4103/eus.eus_76_19.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Ожидаемый)
Завершение исследования (Ожидаемый)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- IECED-26112021
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
продукт, произведенный в США и экспортированный из США.
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. .