- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07395570
Effektiviteten av CADe-systemet vid detektering av gastrisk neoplasi
Effektiviteten hos ett datorstött detektionssystem (CADe) för att upptäcka gastrisk neoplasi – en prospektiv tandemstudie
Magsäckscancer förblir den 5:e vanligaste cancern världen över. Den rankas också som den 5:e vanligaste orsaken till cancerrelaterad dödlighet, med mer än 650 000 dödsfall per år. Överlevnaden vid magsäckscancer är direkt relaterad till sjukdomens stadium vid diagnos, där tidiga stadier har en betydligt bättre överlevnad. Patienter med magsäckscancer i stadium I har vanligtvis en 5-årsöverlevnad på mer än 90 %. Särskilt T1a-cancer som är begränsad till slemhinnan är lämpad för endoskopisk resektion, och patienter som genomgått sådan behandling har en utmärkt 5-årsöverlevnad på 97,2 %. Dessa patienter kan inte bara överleva längre utan också upprätthålla en god livskvalitet genom organsparande behandling.
Diagnos av magsäckscancer i ett tidigt stadium har dock alltid varit svårt. En metaanalys av 22 studier från både östliga och västerländska populationer visade en missad magsäckscancer-frekvens på 9,4 %. Tidig magsäckscancer presenterar sig vanligtvis med subtila förändringar i slemhinnan som är svåra att upptäcka endoskopiskt, särskilt för endoskopister med begränsad erfarenhet av tidig cancerdiagnostik. Bakgrundschronisk inflammation och hög frekvens av icke-neoplastiska förändringar utgör ofta betydande diagnostiska utmaningar för endoskopister att identifiera verkliga neoplastiska förändringar. I högincidensländer som Japan och Sydkorea har kombinationen av nationella screeningprogram och välutbildade endoskopister möjliggjort en hög andel tidig magsäckscancerupptäckt. Tidigare studier har visat en betydande skillnad i överlevnadsutfall mellan länder med hög respektive låg tidig cancerupptäckt.
Artificiell intelligens har framträtt som en av de lovande teknologierna som hjälper till att förbättra endoskopisk prestanda. Många högkvalitativa randomiserade studier har visat att datorassisterade detektionssystem (CADe) signifikant förbättrar detektionsfrekvensen av kolonadenom under screeningkolonoskopi. Utvecklingen av CADe-system för magsäckscancer har gått betydligt långsammare än för kolonpolypdetektion. Trots publiceringen av många retrospektiva studier som använder endoskopiska bilder för att skilja godartade från elakartade magsäcksförändringar, finns det bara mycket få färdiga system tillgängliga för klinisk realtidsapplikation. En randomiserad kontrollerad studie från en enda klinik i Kina visade en förbättring av missfrekvensen för magsäcksneoplasi från 27,3 % till 6,1 % vid användning av ett nytt CADe-system.
Ett nytt CADe-prototypsystem (OIP-Ge1, Olympus Medical Corporations, Tokyo, Japan) har nyligen utvecklats. Systemet utvecklades genom samarbete mellan flera experter på diagnos av tidig magsäckscancer, med insamling av mer än 100 000 endoskopiska bilder från dussintals högvolymskliniker i Japan. Det finns för närvarande inga prospektiva kliniska data om prototypsystemets faktiska prestanda, särskilt när det tillämpas i regioner med låg andel tidig magsäckscancerupptäckt.
Syftet med denna studie är att undersöka den kliniska nyttan av det nya CADe-systemet för detektion av magsäcksneoplasi hos högriskpatienter.
Om den aktuella studien bekräftar en signifikant skillnad i missfrekvens för magsäcksneoplasi med CADe-systemet, planeras en internationell randomiserad kontrollerad multicenterstudie för att jämföra effektiviteten av magsäcksneoplasi-detektion med och utan systemet.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Hong Kong, Hong Kong
- Department of Surgery, Faculty of Medicine, the Chinese University of Hong Kong
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Ålder >=18 år
Bedöms ha hög risk för magcancer, definierad enligt nedan:
- Familjehistoria av magcancer (förstagradssläkting) för screening, eller
- Känd magsårkatrofi/intestinal metaplasi som kräver övervakning, eller
- Misstänkt lesion för upprepad diagnostisk gastroskopi, eller
- Historia av gastrisk dysplasi / tidig magcancer med endoskopisk resektion för övervakning
- Nydiagnostiserad tidig magcancer, utredning för synkrona cancrar
Exklusionskriterier:
- Historia av gastrektomi (av vilken anledning som helst, inklusive godartad och elakartad sjukdom)
- Patient som vägrar delta
- Patienter som bedöms inte vara lämpliga för samtycke, inklusive minderåriga patienter
- Graviditet
- Andra fall som bedöms av undersökande läkare som olämpliga för säker behandling
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Behandling
- Tilldelning: N/A
- Interventionsmodell: Enskild gruppuppgift
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: CADe-systemgruppen
Under ingreppet undersöks magen med hjälp av CADe-systemet av endoskopisten.
|
Endoskopin skulle utföras med ett standardiserat videoprocessingssystem (EVIS-X1 CV-1500, Olympus Medical Corporations, Tokyo, Japan) och en gastroskop (GIF-EZ1500, GIF-XZ1200).
En mjuk svart huva (MAJ-1989) skulle fästas på endoskopets distala ände.
Videoprocessingssystemet skulle kopplas till OIP-Ge1 (Olympus Medical Corporations, Tokyo, Japan), det nya CADe-systemet, vilket möjliggör samtidig artificiell intelligens-assisterad läkionsdetektion när det är påslaget med konventionell vit ljusavbildning (WLI).
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Andel patienter med förbisedd gastrisk neoplasi under första endoskopi utan CADe-system
Tidsram: 1 dag
|
Antal patienter där minst en histologiskt bekräftad gastrisk neoplasi (Vienna III-V) inte identifieras under den första endoskopin utan CADe, men identifieras under den andra endoskopin med CADe, dividerat med det totala antalet patienter som genomgår båda undersökningarna (enhet: %). Missfrekvens (%) = [Antal patienter med ≥1 neoplasi som endast detekteras på den 2:a endoskopin med CADe] ÷ [Totalt antal patienter som genomgår både 1:a och 2:a endoskopierna] × 100.
|
1 dag
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Upptäckningsfrekvens av gastrisk neoplasi under andra endoskopin med CADe-system
Tidsram: 1 dag
|
Misstänkta lesion(er) som detekteras skulle visas som en grön ruta på huvudvideomonitorn.
Konsekvent visning av den gröna rutan i mer än 2 sekunder på samma målområde skulle betraktas som en positivt detekterad lesion av CADe-systemet.
Detekteringsgrad för gastrisk neoplasi definieras som detekteringsgraden för gastrisk neoplasi under den andra endoskopiundersökningen med hjälp av CADe-systemet.
(enhet: %) Detekteringsgrad (%) = [Antal patienter med ≥1 neoplasi detekterad vid 2:a endoskopin med CADe] ÷ [Totalt antal patienter som genomgår 2:a endoskopin med CADe] × 100.
|
1 dag
|
|
Tid för att upptäcka varje gastrisk neoplasia med CADe-systemet
Tidsram: 1 dag
|
Tid i sekunder från att den gröna rutan visas till den stabila identifieringen av en histologiskt bekräftad neoplastisk läsion (Vienna III-V), registrerad automatiskt av CADe-systemet eller genom tidsstämplad videogranskning.
(enhet: sekund)
|
1 dag
|
|
Upptäcktsfrekvens av icke-neoplastiska gastriska lesioner med CADe System
Tidsram: 1 dag
|
Antal patienter hos vilka minst en endoskopiskt identifierad icke-neoplastisk läsion upptäcks under CADe-assisterad undersökning dividerat med totalt antal patienter som genomgår CADe-assisterad undersökning (enhet: %). Upptäcktsfrekvens (%) = [Antal patienter med ≥1 icke-neoplastisk magläsion upptäckt] ÷ [Totalt antal undersökta patienter] × 100. |
1 dag
|
|
Missfrekvens vid detektion av gastrisk neoplasia med CADe-system
Tidsram: 1 dag
|
Antal patienter där minst en histologiskt bekräftad gastrisk neoplasi är synlig på den inspelade videon av den andra endoskopin (vid retrospektiv expertgranskning) men inte detekteras av CADe (ingen stabil ruta ≥2 sekunder), dividerat med det totala antalet patienter med gastrisk neoplasi vid den andra undersökningen (enhet: %). Missfrekvens (%) = [Antal patienter med ≥1 neoplastisk lesion synlig på video men inte detekterad av CADe] ÷ [Totalt antal patienter med gastrisk neoplasi under den andra endoskopin] × 100. |
1 dag
|
|
Total procedurtid för screeningendoskopi
Tidsram: 1 dag
|
Tid i minuter från insättning av endoskop till utdragning av endoskop, inklusive den första undersökningen utan CADe och den andra undersökningen med CADe, mätt med endoskopienhetens tidsstämplar.
(enhet: minut)
|
1 dag
|
|
Genomsnittligt antal lesioner upptäckta per endoskopi (neoplastiska och icke-neoplastiska)
Tidsram: 1 dag
|
Totalt antal läsioner (neoplastiska och icke-neoplastiska) som upptäcktes under varje undersökning (först utan CADe, sedan med CADe), dividerat med antalet procedurer, rapporterat som medelvärde ± SD per procedur. Genomsnittligt antal läsioner per procedur = [Totalt antal upptäckta läsioner i alla procedurer] ÷ [Totalt antal procedurer]. |
1 dag
|
|
Videoinspelning
Tidsram: 1 dag
|
Digitalt högupplöst videoupptagning system integrerat med endoskopitornet, sammanfattat som procentandel av procedurer med kompletta, analyserbara inspelningar.
(enhet: ja/nej, %) Andel med komplett inspelning (%) = [Antal procedurer med komplett video lämplig för granskning] ÷ [Totalt antal procedurer] × 100.
|
1 dag
|
Samarbetspartners och utredare
Sponsor
Publikationer och användbara länkar
Allmänna publikationer
- Yao K. The endoscopic diagnosis of early gastric cancer. Ann Gastroenterol. 2013;26(1):11-22.
- Allemani C, Matsuda T, Di Carlo V, Harewood R, Matz M, Niksic M, Bonaventure A, Valkov M, Johnson CJ, Esteve J, Ogunbiyi OJ, Azevedo E Silva G, Chen WQ, Eser S, Engholm G, Stiller CA, Monnereau A, Woods RR, Visser O, Lim GH, Aitken J, Weir HK, Coleman MP; CONCORD Working Group. Global surveillance of trends in cancer survival 2000-14 (CONCORD-3): analysis of individual records for 37 513 025 patients diagnosed with one of 18 cancers from 322 population-based registries in 71 countries. Lancet. 2018 Mar 17;391(10125):1023-1075. doi: 10.1016/S0140-6736(17)33326-3. Epub 2018 Jan 31.
- Bray F, Laversanne M, Sung H, Ferlay J, Siegel RL, Soerjomataram I, Jemal A. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024 May-Jun;74(3):229-263. doi: 10.3322/caac.21834. Epub 2024 Apr 4.
- Hasuike N, Ono H, Boku N, Mizusawa J, Takizawa K, Fukuda H, Oda I, Doyama H, Kaneko K, Hori S, Iishi H, Kurokawa Y, Muto M; Gastrointestinal Endoscopy Group of Japan Clinical Oncology Group (JCOG-GIESG). A non-randomized confirmatory trial of an expanded indication for endoscopic submucosal dissection for intestinal-type gastric cancer (cT1a): the Japan Clinical Oncology Group study (JCOG0607). Gastric Cancer. 2018 Jan;21(1):114-123. doi: 10.1007/s10120-017-0704-y. Epub 2017 Feb 21.
- Pimenta-Melo AR, Monteiro-Soares M, Libanio D, Dinis-Ribeiro M. Missing rate for gastric cancer during upper gastrointestinal endoscopy: a systematic review and meta-analysis. Eur J Gastroenterol Hepatol. 2016 Sep;28(9):1041-9. doi: 10.1097/MEG.0000000000000657.
- Huang RJ, Koh H, Hwang JH; Summit Leaders. A Summary of the 2020 Gastric Cancer Summit at Stanford University. Gastroenterology. 2020 Oct;159(4):1221-1226. doi: 10.1053/j.gastro.2020.05.100. Epub 2020 Jul 21.
- Desai M, Ausk K, Brannan D, Chhabra R, Chan W, Chiorean M, Gross SA, Girotra M, Haber G, Hogan RB, Jacob B, Jonnalagadda S, Iles-Shih L, Kumar N, Law J, Lee L, Lin O, Mizrahi M, Pacheco P, Parasa S, Phan J, Reeves V, Sethi A, Snell D, Underwood J, Venu N, Visrodia K, Wong A, Winn J, Wright CH, Sharma P. Use of a Novel Artificial Intelligence System Leads to the Detection of Significantly Higher Number of Adenomas During Screening and Surveillance Colonoscopy: Results From a Large, Prospective, US Multicenter, Randomized Clinical Trial. Am J Gastroenterol. 2024 Jul 1;119(7):1383-1391. doi: 10.14309/ajg.0000000000002664. Epub 2024 Jan 18.
- Gong D, Wu L, Zhang J, Mu G, Shen L, Liu J, Wang Z, Zhou W, An P, Huang X, Jiang X, Li Y, Wan X, Hu S, Chen Y, Hu X, Xu Y, Zhu X, Li S, Yao L, He X, Chen D, Huang L, Wei X, Wang X, Yu H. Detection of colorectal adenomas with a real-time computer-aided system (ENDOANGEL): a randomised controlled study. Lancet Gastroenterol Hepatol. 2020 Apr;5(4):352-361. doi: 10.1016/S2468-1253(19)30413-3. Epub 2020 Jan 22.
- Lau LHS, Ho JCL, Lai JCT, Ho AHY, Wu CWK, Lo VWH, Lai CMS, Scheppach MW, Sia F, Ho KHK, Xiao X, Yip TCF, Lam TYT, Kwok HYH, Chan HCH, Lui RN, Chan TT, Wong MTL, Ho MF, Ko RCW, Hon SF, Chu S, Futaba K, Ng SSM, Yip HC, Tang RSY, Wong VWS, Chan FKL, Chiu PWY; ENDOAID-TRAIN study group. Effect of Real-Time Computer-Aided Polyp Detection System (ENDO-AID) on Adenoma Detection in Endoscopists-in-Training: A Randomized Trial. Clin Gastroenterol Hepatol. 2024 Mar;22(3):630-641.e4. doi: 10.1016/j.cgh.2023.10.019. Epub 2023 Nov 2.
- Seager A, Sharp L, Neilson LJ, Brand A, Hampton JS, Lee TJW, Evans R, Vale L, Whelpton J, Bestwick N, Rees CJ; COLO-DETECT trial team. Polyp detection with colonoscopy assisted by the GI Genius artificial intelligence endoscopy module compared with standard colonoscopy in routine colonoscopy practice (COLO-DETECT): a multicentre, open-label, parallel-arm, pragmatic randomised controlled trial. Lancet Gastroenterol Hepatol. 2024 Oct;9(10):911-923. doi: 10.1016/S2468-1253(24)00161-4. Epub 2024 Aug 14.
- Ochiai K, Ozawa T, Shibata J, Ishihara S, Tada T. Current Status of Artificial Intelligence-Based Computer-Assisted Diagnosis Systems for Gastric Cancer in Endoscopy. Diagnostics (Basel). 2022 Dec 13;12(12):3153. doi: 10.3390/diagnostics12123153.
- Wu L, Shang R, Sharma P, Zhou W, Liu J, Yao L, Dong Z, Yuan J, Zeng Z, Yu Y, He C, Xiong Q, Li Y, Deng Y, Cao Z, Huang C, Zhou R, Li H, Hu G, Chen Y, Wang Y, He X, Zhu Y, Yu H. Effect of a deep learning-based system on the miss rate of gastric neoplasms during upper gastrointestinal endoscopy: a single-centre, tandem, randomised controlled trial. Lancet Gastroenterol Hepatol. 2021 Sep;6(9):700-708. doi: 10.1016/S2468-1253(21)00216-8. Epub 2021 Jul 21.
- Muto M, Yao K, Kaise M, Kato M, Uedo N, Yagi K, Tajiri H. Magnifying endoscopy simple diagnostic algorithm for early gastric cancer (MESDA-G). Dig Endosc. 2016 May;28(4):379-393. doi: 10.1111/den.12638. Epub 2016 Apr 22.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Andra studie-ID-nummer
- CRE-2025.465
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 .