Implementeringen av datorstödd detektion i träningen förbättrar kvaliteten på framtida koloskopier
15 januari 2025 uppdaterad av: Zofia Orzeszko, Jagiellonian University
Implementeringen av datorstödd detektion i en inledande endoskopiutbildning förbättrar kvalitetsmåtten för praktikanters framtida koloskopier
Datorstödd detektion (CADe) baserad på artificiell intelligens (AI) kan förbättra kvaliteten på koloskopin.
Ett ökande antal unga endoskopister utbildas i en AI-miljö, men dess inverkan på praktikanternas framtida resultat är fortfarande oklar.
Studien syftade till att utvärdera kvalitetsindikatorer för endoskopister som utbildats i en AI-miljö jämfört med de som utbildats konventionellt.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Datorstödd detektion (CADe) baserad på artificiell intelligens (AI) kan förbättra kvaliteten på koloskopin.
Ett ökande antal unga endoskopister utbildas i en AI-miljö, men dess inverkan på praktikanternas framtida resultat är fortfarande oklar.
Studien syftade till att utvärdera kvalitetsindikatorer för endoskopister som utbildats i en AI-miljö jämfört med de som utbildats konventionellt.
En studie omfattade 6 000 vuxna patienter som av olika anledningar genomgick en koloskopi.
Studien utvärderade retrospektivt de första 1 000 procedurerna som utfördes av sex endoskopister efter avslutad utbildning, helt beroende av endoskopisters upptäcktsfärdigheter utan AI-förbättring.
Tre av dessa unga endoskopister utbildades med CADe och tre utan ytterligare hjälp.
Kvalitetsindikatorer utvärderades i båda grupperna.
Morfologin för detekterade polyper utvärderades för att bestämma inverkan av AI-förstärkt träning på lateralt spridda tumörer (LST) detektionshastighet.
Studietyp
Observationell
Inskrivning (Faktisk)
6000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Kraków, Polen, 31007
- Jagiellonian University
-
-
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
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Nej
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Denna studie inkluderade 6 000 vuxna patienter som genomgick en koloskopi av olika anledningar i endoskopikliniken med stora volymer i Krakow.
Beskrivning
Inklusionskriterier:
- vuxna deltagare som genomgick en koloskopi av olika anledningar utförd av specifika endoskopister som bedömdes i termer av kvalitetsindikatorer
Uteslutningskriterier:
- en historia av tarmresektion
- bekräftad inflammatorisk tarmsjukdom
- misstanke om polyper eller cancer vid andra bildundersökningar
- misstanke om familjär adenomatös polypos
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
Grupp A
Koloskopier utförda av endoskopister utbildade i AI-förstärkt miljö.
Kvalitetsindikatorerna mäts efter avslutad utbildning utan AI-förbättring.
|
Endoskopister utbildade i AI-förbättrad miljö.
Deras kvalitetsindikatorer mäts efter avslutad utbildning, utan ytterligare AI-förbättring.
|
|
Grupp B
Koloskopier utförda av konventionellt utbildade endoskopister.
Kvalitetsindikatorerna mäts efter avslutad utbildning utan AI-förbättring.
|
Endoskopister utbildade sig på konventionellt sätt
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
uttagstid
Tidsram: Under koloskopiundersökningen
|
Tiden från cekal intubation till slutet av undersökningen
|
Under koloskopiundersökningen
|
|
Cecal intubationshastighet (CIR)
Tidsram: Under koloskopiundersökningen
|
Andelen koloskopier med framgångsrika cecal intubationer
|
Under koloskopiundersökningen
|
|
Adenoma Detection Rate (ADR)
Tidsram: Under koloskopiundersökningen
|
Andelen koloskopier när adenomet hittades
|
Under koloskopiundersökningen
|
|
Avancerad adenomdetektionshastighet (AADR)
Tidsram: Under koloskopiundersökningen
|
Andelen koloskopier när det avancerade adenomet (>10 mm) hittades
|
Under koloskopiundersökningen
|
|
Adenom per koloskopi poäng (APC)
Tidsram: Under koloskopiundersökningen
|
Det genomsnittliga antalet adenom som upptäckts i en enda koloskopi
|
Under koloskopiundersökningen
|
|
Detektionshastighet för tandad polyp (SDR)
Tidsram: Under koloskopiundersökningen
|
Andelen koloskopier när den tandade polypen hittades
|
Under koloskopiundersökningen
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Sidospridande tumördetekteringshastighet
Tidsram: Under koloskopiundersökningen
|
Andelen koloskopier när den lateralt spridda tumörskadan hittades
|
Under koloskopiundersökningen
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Utredare
- Huvudutredare: Zofia Orzeszko, MD, Jagiellonian University
- Studiestol: Miroslaw Szura, PhD, Prof., Jagiellonian University
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
- 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.
- 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.
- Spadaccini M, Iannone A, Maselli R, Badalamenti M, Desai M, Chandrasekar VT, Patel HK, Fugazza A, Pellegatta G, Galtieri PA, Lollo G, Carrara S, Anderloni A, Rex DK, Savevski V, Wallace MB, Bhandari P, Roesch T, Gralnek IM, Sharma P, Hassan C, Repici A. Computer-aided detection versus advanced imaging for detection of colorectal neoplasia: a systematic review and network meta-analysis. Lancet Gastroenterol Hepatol. 2021 Oct;6(10):793-802. doi: 10.1016/S2468-1253(21)00215-6. Epub 2021 Aug 5.
- Barua I, Vinsard DG, Jodal HC, Loberg M, Kalager M, Holme O, Misawa M, Bretthauer M, Mori Y. Artificial intelligence for polyp detection during colonoscopy: a systematic review and meta-analysis. Endoscopy. 2021 Mar;53(3):277-284. doi: 10.1055/a-1201-7165. Epub 2020 Sep 29.
- Wang P, Liu P, Glissen Brown JR, Berzin TM, Zhou G, Lei S, Liu X, Li L, Xiao X. Lower Adenoma Miss Rate of Computer-Aided Detection-Assisted Colonoscopy vs Routine White-Light Colonoscopy in a Prospective Tandem Study. Gastroenterology. 2020 Oct;159(4):1252-1261.e5. doi: 10.1053/j.gastro.2020.06.023. Epub 2020 Jun 17.
- Glissen Brown JR, Mansour NM, Wang P, Chuchuca MA, Minchenberg SB, Chandnani M, Liu L, Gross SA, Sengupta N, Berzin TM. Deep Learning Computer-aided Polyp Detection Reduces Adenoma Miss Rate: A United States Multi-center Randomized Tandem Colonoscopy Study (CADeT-CS Trial). Clin Gastroenterol Hepatol. 2022 Jul;20(7):1499-1507.e4. doi: 10.1016/j.cgh.2021.09.009. Epub 2021 Sep 14.
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)
1 januari 2022
Primärt slutförande (Faktisk)
31 januari 2024
Avslutad studie (Faktisk)
31 mars 2024
Studieregistreringsdatum
Först inskickad
30 september 2024
Först inskickad som uppfyllde QC-kriterierna
1 oktober 2024
Första postat (Faktisk)
2 oktober 2024
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
25 mars 2025
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
15 januari 2025
Senast verifierad
1 januari 2025
Mer information
Termer relaterade till denna studie
Nyckelord
Andra studie-ID-nummer
- 2024.000.367
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
produkt tillverkad i och exporterad från U.S.A.
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 .