在超声成像期间使用人工智能预测肺癌分期的癌性淋巴结
2020年3月10日 更新者：Wael Hanna、St. Joseph's Healthcare Hamilton
使用人工智能和深度神经网络的计算机辅助算法的开发和验证，用于支气管内超声期间淋巴结超声特征的分割
本研究旨在确定深度神经人工智能 (AI) 网络 (NeuralSeg) 是否可以学习如何使用分割技术将加拿大淋巴结评分分配给通过支气管内超声经支气管针吸活检 (EBUS-TBNA) 检查的淋巴结。
图像将从前瞻性图书馆的 300 个淋巴结视频中创建，并将用作开发算法的推导集。
将前瞻性地收集额外的 100 张淋巴结图像，以验证 NeuralSeg 是否可以正确应用评分。
研究概览
研究类型
观察性的
注册 (实际的)
52
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Ontario
-
Hamilton、Ontario、加拿大、L8N 4A6
- St. Joseph's Healthcare Hamilton
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
A 阶段不需要患者登记。
B 阶段将需要前瞻性招募患者以获得新淋巴结视频的验证集。
所有计划在 St. Joseph's Healthcare Hamilton 接受 EBUS-TBNA 程序以对 NSCLC 进行纵隔分期的所有患者都有资格参加本研究。
没有排除标准。
所有患者都将按照常规护理接受 EBUS-TBNA，唯一不同的是将对过程进行录像，以便日后用于计算机分析。
描述
纳入标准：
- 必须被诊断为确诊或疑似肺癌，并且正在接受 EBUS 诊断/分期
排除标准：
- 没有任何
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
开发用于识别淋巴结超声特征的计算机算法
大体时间：从回顾性数据收集到算法开发（1个月）
|
目的：确定深度神经 AI 网络 (NeuralSeg) 是否可以学习如何使用对现有（派生）淋巴结视频集的分割技术将加拿大淋巴结评分分配给 EBUS 检查的淋巴结
|
从回顾性数据收集到算法开发（1个月）
|
|
识别淋巴结超声特征的计算机算法验证
大体时间：从前瞻性数据收集到算法验证（6 个月）
|
目标：确定 NeuralSeg 是否可以将加拿大淋巴结评分正确地应用于它以前从未见过的一组新的（验证）淋巴结视频
|
从前瞻性数据收集到算法验证（6 个月）
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
NeuralSeg 执行的分割的准确性和可靠性
大体时间：从外科医生执行的分割到 NeuralSeg 执行的分割（1 个月）
|
目的：比较 NeuralSeg 执行的分割与经验丰富的内窥镜外科医生使用 DICE-SORENSEN 系数执行的分割的准确性和可靠性。
|
从外科医生执行的分割到 NeuralSeg 执行的分割（1 个月）
|
|
淋巴结恶性肿瘤的 NeuralSeg 预测
大体时间：从 EBUS 成像上使用的 NeuralSeg 算法到活检报告（估计长达 2-3 个月）
|
目的：确定 NeuralSeg 与被检查淋巴结的活检结果相比是否可以准确预测淋巴结的恶性肿瘤。
|
从 EBUS 成像上使用的 NeuralSeg 算法到活检报告（估计长达 2-3 个月）
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Wael C Hanna、St. Josephs Healthcare Hamilton
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019 Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7.
- American College of Chest Physicians; Health and Science Policy Committee. Diagnosis and management of lung cancer: ACCP evidence-based guidelines. American College of Chest Physicians. Chest. 2003 Jan;123(1 Suppl):D-G, 1S-337S. No abstract available.
- Hanna WC, Yasufuku K. Bronchoscopic staging of lung cancer. Ther Adv Respir Dis. 2013 Apr;7(2):111-8. doi: 10.1177/1753465812468041. Epub 2012 Dec 20.
- Hylton DA, Turner J, Shargall Y, Finley C, Agzarian J, Yasufuku K, Fahim C, Hanna WC. Ultrasonographic characteristics of lymph nodes as predictors of malignancy during endobronchial ultrasound (EBUS): A systematic review. Lung Cancer. 2018 Dec;126:97-105. doi: 10.1016/j.lungcan.2018.10.020. Epub 2018 Oct 30.
- El-Sherief AH, Lau CT, Wu CC, Drake RL, Abbott GF, Rice TW. International association for the study of lung cancer (IASLC) lymph node map: radiologic review with CT illustration. Radiographics. 2014 Oct;34(6):1680-91. doi: 10.1148/rg.346130097.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2019年4月8日
初级完成 (实际的)
2019年9月23日
研究完成 (实际的)
2019年11月20日
研究注册日期
首次提交
2019年2月19日
首先提交符合 QC 标准的
2019年2月20日
首次发布 (实际的)
2019年2月21日
研究记录更新
最后更新发布 (实际的)
2020年3月11日
上次提交的符合 QC 标准的更新
2020年3月10日
最后验证
2020年3月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.