- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05423964
Inverkan av AI på ADR för praktikanter
Inverkan av artificiell intelligens på adenomupptäcktsfrekvens för praktikanter
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Vårt mål är att bestämma effekten av AI på adenomdetektionsfrekvensen hos Gastroenterologipraktikanter. Det sekundära syftet med denna kvalitetsförbättringsstudie är att fastställa effekten av AI-baserad endoskopi på registreringshastigheten för kvalitetsförbättringsmått kontra historisk prestanda i vårt program.
Fellows kommer att genomgå utbildningssession före studiestart, som beskriver vanliga mätvärden för att bedöma kvaliteten på koloskopi och hur man använder programvaran för artificiell intelligens. Gastroenterologistipendiater kommer att godkännas för studien innan den påbörjas. Stipendiaterna kommer att randomiseras dagligen för att utföra koloskopier i ett rum. Resultat kommer att mäta effekterna av AI hos stipendiater
Studietyp
Inskrivning (Förväntat)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Jessica Serna, BS
- Telefonnummer: 323-409-6939
- E-post: Jessica.Serna@med.usce.edu
Studera Kontakt Backup
- Namn: Alex Rodriguez, BS
- Telefonnummer: 323-409-6939
- E-post: Alex.Rodriguez@med.usc.edu
Studieorter
-
-
California
-
Los Angeles, California, Förenta staterna, 90033
- Rekrytering
- LAC+USC Medical Center
-
Kontakt:
- James Buxbaum, MD
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Kön som är behöriga för studier
Beskrivning
Inklusionskriterier:
- Alla Gastroenterologistipendiater vid USC som utför endoskopier kommer att inkluderas i studien.
Exklusions kriterier:
- Om stipendiater vägrar informerat samtycke kommer de att uteslutas.
- Procedurer som utförs på intensivvårdsavdelningen eller operationssalen kommer inte att räknas in i studien eftersom AI-systemet endast kommer att vara tillgängligt på endoskopiavdelningen.
- Om procedurer endast utförs av fakulteten, där stipendiaten inte är den primära operatören, kommer de inte att användas för studiemått.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Diagnostisk
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Aktiv komparator: Endoskopi rum för artificiell intelligens
Stipendiaterna kommer att randomiseras dagligen för att utföra koloskopier i ett rum med AI (intervention)
|
Användningen av AI kontra ingen AI för att jämföra upptäckten av adenom under endoskopiprocedurer.
|
|
Aktiv komparator: Endoskopi rum för icke-artificiell intelligens
Stipendiaterna kommer att randomiseras dagligen för att utföra koloskopier i ett icke-AI-endoskopirum (standardvård).
|
Icke-AI-användning för att jämföra upptäckten av adenom under endoskopiprocedurer.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Genomsnittlig adenomdetektionsfrekvens
Tidsram: Under hela studietiden i snitt 2 år
|
Adenomdetekteringshastighet med och utan AI
|
Under hela studietiden i snitt 2 år
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Genomsnittlig detekteringshastighet för polyper
Tidsram: Genom hela studien, i genomsnitt 2 år
|
Polypdetekteringshastighet med och utan AI
|
Genom hela studien, i genomsnitt 2 år
|
Samarbetspartners och utredare
Utredare
- Huvudutredare: James L Buxbaum, MD, University of Southern California
Publikationer och användbara länkar
Allmänna publikationer
- Repici A, Badalamenti M, Maselli R, Correale L, Radaelli F, Rondonotti E, Ferrara E, Spadaccini M, Alkandari A, Fugazza A, Anderloni A, Galtieri PA, Pellegatta G, Carrara S, Di Leo M, Craviotto V, Lamonaca L, Lorenzetti R, Andrealli A, Antonelli G, Wallace M, Sharma P, Rosch T, Hassan C. Efficacy of Real-Time Computer-Aided Detection of Colorectal Neoplasia in a Randomized Trial. Gastroenterology. 2020 Aug;159(2):512-520.e7. doi: 10.1053/j.gastro.2020.04.062. Epub 2020 May 1.
- Siegel RL, Miller KD, Fedewa SA, Ahnen DJ, Meester RGS, Barzi A, Jemal A. Colorectal cancer statistics, 2017. CA Cancer J Clin. 2017 May 6;67(3):177-193. doi: 10.3322/caac.21395. Epub 2017 Mar 1.
- Calderwood AH, Jacobson BC. Comprehensive validation of the Boston Bowel Preparation Scale. Gastrointest Endosc. 2010 Oct;72(4):686-92. doi: 10.1016/j.gie.2010.06.068.
- Corley DA, Jensen CD, Marks AR, Zhao WK, Lee JK, Doubeni CA, Zauber AG, de Boer J, Fireman BH, Schottinger JE, Quinn VP, Ghai NR, Levin TR, Quesenberry CP. Adenoma detection rate and risk of colorectal cancer and death. N Engl J Med. 2014 Apr 3;370(14):1298-306. doi: 10.1056/NEJMoa1309086.
- Kaminski MF, Regula J, Kraszewska E, Polkowski M, Wojciechowska U, Didkowska J, Zwierko M, Rupinski M, Nowacki MP, Butruk E. Quality indicators for colonoscopy and the risk of interval cancer. N Engl J Med. 2010 May 13;362(19):1795-803. doi: 10.1056/NEJMoa0907667.
- Winawer SJ, Zauber AG, Ho MN, O'Brien MJ, Gottlieb LS, Sternberg SS, Waye JD, Schapiro M, Bond JH, Panish JF, et al. Prevention of colorectal cancer by colonoscopic polypectomy. The National Polyp Study Workgroup. N Engl J Med. 1993 Dec 30;329(27):1977-81. doi: 10.1056/NEJM199312303292701.
- Zauber AG, Winawer SJ, O'Brien MJ, Lansdorp-Vogelaar I, van Ballegooijen M, Hankey BF, Shi W, Bond JH, Schapiro M, Panish JF, Stewart ET, Waye JD. Colonoscopic polypectomy and long-term prevention of colorectal-cancer deaths. N Engl J Med. 2012 Feb 23;366(8):687-96. doi: 10.1056/NEJMoa1100370.
- Rex DK, Boland CR, Dominitz JA, Giardiello FM, Johnson DA, Kaltenbach T, Levin TR, Lieberman D, Robertson DJ. Colorectal Cancer Screening: Recommendations for Physicians and Patients from the U.S. Multi-Society Task Force on Colorectal Cancer. Am J Gastroenterol. 2017 Jul;112(7):1016-1030. doi: 10.1038/ajg.2017.174. Epub 2017 Jun 6.
- Abadir AP, Ali MF, Karnes W, Samarasena JB. Artificial Intelligence in Gastrointestinal Endoscopy. Clin Endosc. 2020 Mar;53(2):132-141. doi: 10.5946/ce.2020.038. Epub 2020 Mar 30.
- 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.
- Jovani M, Campbell EJ, Hur C, Joshi AD, Nishioka NS. Effect of video monitor size on polyp detection: a prospective, randomized, controlled trial. Gastrointest Endosc. 2019 Aug;90(2):254-258.e2. doi: 10.1016/j.gie.2019.03.1172. Epub 2019 Apr 12.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Förväntat)
Avslutad studie (Förväntat)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Uppskatta)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- HS-21-00094
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .