Effekten av förbättrad hemostasieffektivitet vid endoskopisk submukosadissektion genom realtidsartificiell intelligens-assisterad identifiering av blödningspunkter

Målet med denna kliniska studie är att ta reda på om ett artificiellt intelligens (AI) system som identifierar blödningspunkter i realtid kan hjälpa till att stoppa blödningar snabbare under endoskopisk submukös dissektion (ESD) – en minimalt invasiv operation för tidig matsmältningskanalscancer eller förstadier till cancer. Det kommer också att undersöka AI-systemets effekt på operationsrelaterade problem (som perforering eller fördröjd blödning) och total operations tid.

De huvudsakliga frågorna den syftar att besvara är:

1. Förkortar AI-systemet tiden det tar att stoppa varje blödning under ESD?
2. Hur påverkar AI-systemet frekvensen av operationsrelaterade problem och den totala operationstiden?

Forskare kommer att jämföra två grupper för att se om AI-systemet förbättrar hemostasens effektivitet:

1. AI-grupp: Under ESD kommer AI-systemet att i realtid upptäcka och markera blödningspunkter. Läkare kommer att använda dessa markeringar för att stoppa blödningar.
2. Kontrollgrupp: Läkare kommer att använda samma utrustning men utan AI-systemet – de kommer att hitta och stoppa blödningar med sin egen erfarenhet.

Deltagarna kommer att:

1. Genomgå ESD-operation för esofageala, mag- eller kolorektala lesioner som kräver denna behandling;
2. Bli slumpmässigt tilldelade antingen AI-gruppen eller kontrollgruppen;
3. Delta i uppföljningskontroller 14 dagar efter operationen för att kontrollera komplikationer;
4. Få sina operationsvideor granskade av experter för att registrera hemostastid och total operationstid.