用于大肠息肉实时检测和监测的人工智能
2022年11月23日 更新者：Centre hospitalier de l'Université de Montréal (CHUM)
研究人员假设，深度学习 AI 系统的临床实施是监测、审核和改进结肠镜检查期间息肉和其他解剖标志的检测和分类的最佳工具。
本研究的目的是生成初步数据，以评估 AI 辅助结肠镜检查在以下方面的有效性：a）腺瘤的检出率； b) 自动检测解剖标志（即回盲瓣和阑尾孔）。
研究概览
详细说明
在这项试验中，研究人员旨在评估以下内容：
- 自动检测重要解剖标志（即回盲瓣、阑尾口）的准确性；
- 自动检测息肉/腺瘤（PDR/ADR）的准确性；
研究类型
介入性
注册 (实际的)
372
阶段
- 不适用
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。
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
45年 至 80年 (成人、OLDER_ADULT)
接受健康志愿者
不
有资格学习的性别
全部
描述
纳入标准：
- 签署知情同意书
- 年龄 45-80 岁
- 接受下消化道内窥镜检查的适应症。
排除标准 ：
- 凝血障碍
- 一般健康状况不佳，定义为美国麻醉医师协会 (ASA) 身体状况等级 >3
- 紧急结肠镜检查
- 住院病人
- 已知的炎症性肠病 (IBD)
- 目前在急诊室的患者
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
- 主要用途：诊断
- 分配：北美
- 介入模型：单组
- 屏蔽：没有任何
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：大肠息肉实时检测与监测的人工智能
将根据常规护理标准进行标准结肠镜检查。
所有经光学诊断的息肉都将被切除并送到 CHUM 病理实验室，根据机构标准进行组织病理学评估。
人工智能系统将实时捕捉手术过程的视频，并提供有关息肉检测、随访和病理预测的额外信息。
完整的结肠镜检查视频将被注释为识别解剖标志、息肉的确切时间，以及息肉和程序相关的特征。
|
人工智能系统将捕捉手术的实时视频，人工智能反馈（息肉检测、跟踪和病理预测）将显示在安装在常规内窥镜屏幕旁边的第二个屏幕上。
屏幕 A 将显示常规内窥镜图像，屏幕 B 将显示常规内窥镜图像以及可能藏有息肉的区域或预测病理的信息
|
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 |
|---|---|---|
|
检测到的息肉数
大体时间：第一天
|
AI 辅助结肠镜检查检测至少有 1 个息肉的患者比例的有效性。
AI 的息肉检出率。
|
第一天
|
|
肠镜质量指标自动报告评价
大体时间：第一天
|
自动检测回盲瓣、阑尾口、自动计算回盲时间与人工检测的比较
|
第一天
|
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。
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)
2020年12月18日
初级完成 (实际的)
2022年3月31日
研究完成 (实际的)
2022年5月11日
研究注册日期
首次提交
2020年10月1日
首先提交符合 QC 标准的
2020年10月7日
首次发布 (实际的)
2020年10月14日
研究记录更新
最后更新发布 (实际的)
2022年11月25日
上次提交的符合 QC 标准的更新
2022年11月23日
最后验证
2022年11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.