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

Datorstödd detektion under screening koloskopi

26 september 2023 uppdaterad av: Carlos Robles-Medranda, Instituto Ecuatoriano de Enfermedades Digestivas

Datorstödd polyp-/adenomdetektion i realtid under screening koloskopi: en enda-center crossover-försök

Numera anses koloskopi vara guldstandarden för att upptäcka lesioner i kolorektal slemhinna. Däremot kan cirka 25 % av polyperna missas under den konventionella koloskopin. Baserat på detta syftade nya tekniska verktyg till att förbättra kvaliteten på procedurerna, vilket minskade de tekniska och operatörsrelaterade faktorerna förknippade med de missade lesionerna. Dessa verktyg använder artificiell intelligens (AI), ett datorsystem som kan utföra mänskliga uppgifter efter en tidigare träningsprocess från en stor datamängd. DiscoveryTM AI-assisterad polypdetektor (Pentax Medical, Hoya Group, Tokyo, Japan) är ett nyutvecklat detektionssystem baserat på AI. Den designades för att varna och rikta uppmärksamheten på potentiella slemhinneskador. Enligt dess anmärkningsvärda egenskaper kan det öka polyp- och adenomdetektionsfrekvensen (PDR respektive ADR) och minska adenommissfrekvensen (AMR).

Baserat på ovanstående strävar forskarna efter att bedöma den verkliga effektiviteten av DiscoveryTM AI-assisterade polypdetektorsystem i klinisk praxis och jämföra resultaten mellan expert (senior) och icke-expert (junior) endoskopister.

Studieöversikt

Detaljerad beskrivning

Kolorektal cancer (CRC) är världens andra och tredje cancerrelaterade dödsorsak hos män respektive kvinnor. För att upptäcka lesioner i slemhinnan (premaligna och maligna) har koloskopi ansetts vara guldstandarden. Däremot kan upp till 25 % av lesionerna missas under konventionell koloskopi. Vissa tekniska (d.v.s. tarmförberedelser) och operatörsrelaterade (d.v.s. expertis och trötthet) faktorer är relaterade till dessa saknade lesioner.

Under den snabbt växande teknologiska eran lanserades nya verktyg för att förbättra kvaliteten och prestandan för koloskopier. Med hjälp av artificiell intelligens (AI) kan en identifiering av ett mönster uppnås efter en tidigare utbildning från ett stort dataset av bilder. DiscoveryTM AI-assisterad polypdetektor (Pentax Medical, Hoya Group, Tokyo, Japan), är ett datorstödd polyp/adenom-detektionssystem baserat på AI. Den upptäcker klassiska adenom och platta lesioner, utmärkande egenskaper som slemlock eller kant av skräp med fördelen av en realtids- och samtidig upptäckt av flera polyper. Det utvecklades för att minimera att de missade lesionerna ökar som ett resultat av polypdetekteringsfrekvensen (PDR) och adenomdetektionshastigheten (ADR).

På senare tid har publicerade data som utvärderar de AI-assisterade polypdetektorerna visat hög känslighet, specificitet och interobservatörsöverensstämmelse. På grund av vikten av CRC-diagnos och snabb behandling, och dra fördel av det nyligen introducerade DiscoveryTM AI-systemet, strävar utredarna efter att bedöma den verkliga effektiviteten av detta AI-assisterade polypdetektorsystem i klinisk praxis och jämföra resultaten mellan experter ( seniorer) och icke-experta (juniorer) endoskopister.

Studietyp

Interventionell

Inskrivning (Beräknad)

312

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studiekontakt

  • Namn: Carlos Robles-Medranda, MD FASGE
  • Telefonnummer: +59342109180
  • E-post: carlosoakm@yahoo.es

Studieorter

    • Guayas
      • Guayaquil, Guayas, Ecuador, 090505
        • Rekrytering
        • Instituto Ecuatoriano de Enfermedades Digestivas (IECED)
        • Huvudutredare:
          • Carlos Robles-Medranda, MD FASGE
        • Underutredare:
          • Martha Arevalo-Mora, MD
        • Kontakt:
        • Underutredare:
          • Juan Alcivar-Vasquez, MD
        • Underutredare:
          • Maria Egas-Izquierdo, MD
        • Underutredare:
          • Miguel Puga-Tejada, MD
        • Underutredare:
          • Jorge Baquerizo-Burgos, MD
        • Underutredare:
          • Domenica Cunto, MD
        • Underutredare:
          • Raquel Del Valle, MD
        • Underutredare:
          • Hannah Pitanga-Lukashok, MD
        • Underutredare:
          • Daniela Tabacelia, MD
        • Underutredare:
          • Carlos Cifuentes-Gordillo, MD
        • Underutredare:
          • Haydee Alvarado-Escobar, MD

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

45 år till 89 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

  • Vuxna ≥45 år
  • Patienter remitterade till screeningkoloskopi
  • Adekvat tarmförberedelse, Boston Bowel Preparation Scale (BBPS) ≥8
  • Patienter som godkänt för endoskopisk behandling.

Exklusions kriterier:

  • Graviditet
  • Alla kliniska tillstånd som gör endoskopi oundviklig.
  • Patienter med anamnes på kolorektalt karcinom.
  • Patienter med anamnes på inflammatorisk tarmsjukdom (IBD)
  • Oförmåga att ge informerat samtycke

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Diagnostisk
  • Tilldelning: Icke-randomiserad
  • Interventionsmodell: Crossover tilldelning
  • Maskning: Enda

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: HD-koloskopi + AI-HD koloskopi
Denna grupp består av patienter >45 år som lämnats in för diagnostisk koloskopi. I samma session kommer en HD-koloskopi att utföras följt av en HD-koloskopi med hjälp av artificiell intelligens. Den andra proceduren kommer att utföras av en operatör med samma kompetensnivå jämfört med den initiala proceduren (expert eller icke-expert) och förblindad för resultaten av den tidigare interventionen.
HD-koloskopi utförd av en expert eller icke-expert endoskopist. Alla lesioner kommer att registreras, bedömas och tas bort för histologisk analys.
HD-koloskopi med AI-assisterad polypdetektor. Nya polyper som upptäcks av AI kommer att spelas in, tas bort och studeras.
Experimentell: AI-HD koloskopi + HD-koloskopi
Denna grupp består av patienter >45 år som lämnats in för diagnostisk koloskopi. Under samma session kommer en HD-koloskopi med hjälp av artificiell intelligens att utföras följt av enbart en HD-koloskopi. Den andra proceduren kommer att utföras av en operatör med samma kompetensnivå jämfört med den initiala proceduren (expert eller icke-expert) och förblindad för resultaten av den tidigare interventionen.
HD-koloskopi utförd av en expert eller icke-expert endoskopist. Alla lesioner kommer att registreras, bedömas och tas bort för histologisk analys.
HD-koloskopi med AI-assisterad polypdetektor. Nya polyper som upptäcks av AI kommer att spelas in, tas bort och studeras.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Adenomdetektionsfrekvens (ADR)
Tidsram: upp till en månad

ADR kommer att bestämmas av varje ny koloskopi (andra interventionen) med minst ett adenom, histologiskt bevisat/NBI NICE-klassificering.

Resultaten kommer att jämföras mellan experter och icke-experter endoskopister.

upp till en månad
Polypdetekteringshastighet (PDR)
Tidsram: upp till två timmar

PDR kommer att bestämmas av varje ny koloskopi (andra interventionen) med minst en polyp.

Resultaten kommer att jämföras mellan experter och icke-experter endoskopister.

upp till två timmar
Diagnostisk prestanda för AI-assisterad polypdetektor
Tidsram: upp till tre år
Den diagnostiska prestandan för det AI-assisterade systemet kommer att bedömas genom sensitivitet, specificitet, positiva och negativa prediktiva värden (PPV och NPV) och observatörens överensstämmelse.
upp till tre år

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Adenoma Miss Rate (AMR)
Tidsram: Upp till en månad
AMR kommer att bestämmas av det totala antalet missade adenom vid den första undersökningen. Diagnosen adenom kommer att göras genom NBI NICE-klassificering eller biopsi.
Upp till en månad

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Carlos Robles-Medranda, MD FASGE, Instituto Ecuatoriano de Enfermedades Digestivas (IECED)

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.

Allmänna publikationer

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)

11 januari 2020

Primärt slutförande (Beräknad)

11 juni 2024

Avslutad studie (Beräknad)

1 september 2024

Studieregistreringsdatum

Först inskickad

9 februari 2023

Först inskickad som uppfyllde QC-kriterierna

9 februari 2023

Första postat (Faktisk)

21 februari 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

28 september 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

26 september 2023

Senast verifierad

1 september 2023

Mer information

Termer relaterade till denna studie

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