Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Detektering av kolonpolyper via ett storskaligt artificiell intelligenssystem (AI).

10 februari 2021 uppdaterad av: Shaare Zedek Medical Center

Detektering av kolonpolyper via ett storskaligt AI-system

Koloskopi är den gyllene standarden för upptäckt och avlägsnande av precancerösa lesioner och har visat sig minska dödligheten. Emellertid är missfrekvensen för polyper under koloskopier 22-28%, medan 20-24% av de missade lesionerna är histologiskt bekräftade precancerösa adenom. För att åtgärda denna brist föreslår utredarna ett nytt polypdetekteringssystem baserat på djupinlärning, som kan varna operatören i realtid om närvaron och placeringen av polyper under en koloskopi. Utredarna kallar systemet DEEP: (DEEP) DEtection of Elusive Polyps. DEEP-systemet tränades på 3 611 timmars koloskopivideor härledda från två källor och validerades på en uppsättning bestående av 1 393 timmars video, från en tredje, orelaterade källa. För valideringsuppsättningen tillhandahölls marksanningsmärkningen av offline gastroenterologannotatorer, som kunde titta på videon i slowmotion och pausa/spola tillbaka efter behov; två eller tre specialistannotatorer undersökte varje video.

Detta är en prospektiv, icke-blind, icke-randomiserad pilotstudie av patienter som genomgår elektiv screening och övervakning av koloskopier med DEEP.

Målet med studien är att:

Bedöm:

  1. Antal ytterligare polyper som upptäckts av DEEP-systemet i realtidskoloskopi.
  2. Säkerhet genom prospektiv bedömning av frekvensen av biverkningar under studieperioden som tillskrivs eller inte tillskrivs användningen av DEEP-systemet.
  3. DEEP-systemets stabilitet genom att mäta frekvensen av falska positiva (falska larm) per koloskopi 4 Och att undersöka dess genomförbarhet och användbarhet i klinisk praxis genom att utvärdera koloskopistens användarupplevelse när man använder DEEP-systemet i en 5-gradig skala.

Studieöversikt

Status

Avslutad

Betingelser

Studietyp

Interventionell

Inskrivning (Faktisk)

100

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

      • Jerusalem, Israel, 90301
        • Digestive Diseases Institute, Shaare Zedek Medical Center

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

40 år till 80 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Ja

Kön som är behöriga för studier

Allt

Beskrivning

Inklusionskriterier:

  • Friska försökspersoner som genomgår rutinmässig screening eller övervakning av koloskopi i en ambulatorisk icke-brådskande miljö.
  • Kunna förstå studieprotokollet och underteckna informera samtycke.

Exklusions kriterier:

  • Tidigare operation som involverade tjocktarmen eller ändtarmen
  • Känd diagnos av kolorektal cancer
  • Känd historia av inflammatorisk tarmsjukdom
  • Känd eller misstänkt diagnos av familjärt polypossyndrom

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Undersökning
  • Tilldelning: N/A
  • Interventionsmodell: Enskild gruppuppgift
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Intervention Arm
På varandra följande patienter som genomgår screening eller övervakning av koloskopi där ett nytt polypdetekteringssystem baserat på djupinlärning kommer att användas under proceduren.
Ett polypdetekteringssystem baserat på djupinlärning och artificiell intelligens, som kan varna operatören i realtid om närvaron och placeringen av polyper under en koloskopi.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Antal ytterligare polyper som upptäckts av DEEP-systemet i realtidskoloskopi
Tidsram: Genom avslutad studie, i snitt 12 månader

Under koloskopiproceduren, i realtid när en polyp hittas, kommer koloskopisten att bedöma polypen som en svårfångad polyp som upptäckts av systemet som kan ha missats eller en polyp som skulle ha upptäckts med eller utan systemet.

Resultatmåttet kommer att rapporteras som genomsnittet av ytterligare polyper detekterade per koloskopi av DEEP-systemet

Genom avslutad studie, i snitt 12 månader
Frekvensen av negativa händelser under studien tillskrivs eller inte till användningen av DEEP-systemet
Tidsram: Fram till utskrivning, bedömd upp till 7 dagar
Prospektiva bedömning av biverkningar under studien. Följande biverkningar kommer att övervakas: Perforation, blödning och kardiorespiratoriska biverkningar under proceduren
Fram till utskrivning, bedömd upp till 7 dagar

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Frekvens av falska positiva (falska larm) per koloskopi
Tidsram: Genom avslutad studie, i snitt 12 månader
Under koloskopiproceduren, i realtid efter varje polyp som hittas av DEEP-systemet, kommer koloskopisten att klassificera polypen som antingen en sann polyp eller en falsk positiv detektering eller ett "falskt larm" detta mått kommer att rapporteras som medelvärdet av falskt positiva upptäckt per koloskopi
Genom avslutad studie, i snitt 12 månader
Colonoscopist Användarupplevelse när du använder DEEP-systemet i en 5-punktsskala
Tidsram: Genom avslutad studie, i snitt 12 månader
I slutet av procedurerna kommer koloskopisten att behöva svara på frågan "från en skala från 1-5 hur användbar tyckte du systemet i denna procedur?", där högre poäng representerar mer användbarhet. Detta mått kommer att rapporteras som medelpoäng för alla 100 procedurer.
Genom avslutad studie, i snitt 12 månader

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Samarbetspartners

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

18 maj 2020

Primärt slutförande (Faktisk)

30 november 2020

Avslutad studie (Faktisk)

30 december 2020

Studieregistreringsdatum

Först inskickad

1 juli 2020

Först inskickad som uppfyllde QC-kriterierna

31 december 2020

Första postat (Faktisk)

5 januari 2021

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

3 mars 2021

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

10 februari 2021

Senast verifierad

1 februari 2021

Mer information

Termer relaterade till denna studie

Nyckelord

Andra studie-ID-nummer

  • 0309-19-SZMC

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

Data kommer endast att delas på begäran och efter samtycke från patienten och den institutionella etiska kommittén

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera