人工智能 (AI) 对上消化道 (GI) 内窥镜检查质量的影响
食道癌和胃癌是六种生存率较低的癌症中的两种，占癌症死亡的一半和癌症病例的四分之一。 六家癌症慈善机构呼吁集中精力改善这些近年来变化不大的癌症的不良结果 (lesssurvivablecancers.org.uk)。 提高内镜检查标准以最大程度地减少漏诊癌症病例将对改善食管癌和胃癌的预后做出重要贡献。
内窥镜检查是食管、胃和十二指肠的灵活伸缩检查，是诊断上消化道 (UGI) 癌症的首选方法，其主要目的通常是排除癌症是人们症状的原因。 英国每年进行超过 1,000,000 次内窥镜检查，但检查并不完美，有时未发现癌症或会变成癌症的异常情况。 当发生这种情况时，癌症被称为内窥镜检查后上消化道癌症 (PEUGIC) 或“遗漏”癌症。 不幸的是，这是一种相对常见的情况，英国 9% 的 UGI 癌症患者（每年约 1400 人）在诊断前三年内进行了内窥镜检查，但未发现癌症。
所有接受内窥镜检查的人都将从这项研究中受益。 减少英格兰内窥镜检查中遗漏的癌症数量将是一个直接的好处，但防止遗漏癌症也将有助于提高内窥镜检查的总体质量。
英国胃肠病学会内窥镜研究的第二高优先级是“我们如何提高上消化道内窥镜检查的质量？” (BSG 2018) 以及欧洲胃肠内窥镜学会和欧洲胃肠病学联合会已将提高内窥镜检查的质量确定为首要任务。
结肠镜检查漏诊癌症（结肠镜检查后结直肠癌）的比率从 2005 年的 9% 下降到 2013 年的 6.5%，这与 2009 年至 2018 年期间上升的 PEUGIC 比率不同。
在胃癌发病率高于英国的远东国家，强调对胃内 22 个推荐部位进行仔细检查和照片记录、观察和拍照的价值。 研究表明，手术时间较长的内镜医师和在内镜检查过程中拍摄四张以上照片的内镜医师对早期癌症的异常检出率较高。
为了帮助内窥镜医师遵守上述建议，开发了一种名为 Cerebro 的新型人工智能作为内窥镜检查质量控制工具。 Cerebro 在内窥镜检查期间为内窥镜医师提供实时反馈，并在以下四个方面帮助他们 (Endovision AI 2022)
- 确保检查的完整性，提示内窥镜医师遗漏了哪些区域。
- 计算在每个地标上花费的时间，确保至少 7 分钟的检查时间。
- 提供自动照片文档，以便更好地报告
- 当需要进一步吹气或清洗以改善视野时提示内窥镜医师
英国内窥镜检查质量的差异将导致漏诊癌症频率的变化，以及提高内窥镜检查质量的努力，包括使用 AI 来标准化内窥镜检查质量，有望在未来减少 PEUGIC 的频率并改善上消化道癌症的结果。 然而，为了确定 AI 在内窥镜检查中的应用在提高视图质量方面的价值，还需要进行研究。
研究概览
详细说明
研究设计 我们建议进行随机交叉试验，以评估 AI 对上消化道内窥镜检查质量的影响 主要目标 量化 AI 为诊断内窥镜检查提供的改进 主要终点 内窥镜检查期间成功检查的部位数量 (0-28)次要终点 整体手术时间 个别现场检查时间 (0-28)
假设 我们假设，随着人工智能的使用，在内窥镜检查期间成功检查的部位数量将会增加，因此整个手术时间和单个部位检查时间将会增加。
计划 一种名为 Cerebro（Endovision，香港）的人工智能内窥镜质量控制工具已经开发出来。 Cerebro 已在香港和新加坡开发和验证，但之前未在世界其他地方使用过。
验证阶段 尽管 AI 已在远东得到验证，但尚未在西方进行验证研究。 我们将录制 30 段内窥镜检查视频，供 AI 分析以提供程序完整性评分。 一组内窥镜检查专家将观看相同的视频，看他们是否与 AI 对该程序的完整性评分一致。 所有视频都将被匿名化。
工作第一阶段 我们计划首先使用 Cerebro 来评估英国独立和见习内窥镜医师的内窥镜检查质量，这是一项对 Sandwell 和西伯明翰 NHS 信托 (SWBH) 的所有内窥镜医师进行的横断面研究，记录他们在检查所有领域的成功情况在诊断性内窥镜检查期间，Cerebro 在至少 10 次内窥镜检查中评估了上消化道，但在此阶段内窥镜检查期间没有从 Cerebro 向内窥镜医师提供反馈。 该分析将提供有关内窥镜检查质量和上消化道特定区域的数据，这些区域在西方内窥镜实践中没有得到很好的检查，可能导致漏诊癌症 (PEUGIC)。
第二阶段工作将涉及在 Sandwell 和西伯明翰 NHS 信托 (SWBH) 接受诊断性内窥镜检查的患者。
然后，我们将计划在 SWBH 所有可用的内窥镜医师中进行 Cerebro 的随机交叉试验。 在使用 Cerebro 评估内窥镜医师在至少 10 次内窥镜检查期间的基线表现且未向内窥镜医师提供反馈的一段时间后，将随机分配具有不同经验和专业水平的内窥镜医师在所有内窥镜检查期间接受来自 Cerebro 的反馈，或者让 Cerebro 继续记录内窥镜观察质量但不向内窥镜医师反馈三个月。 然后将两组交叉。
然后将评估在没有来自 Cerebro 的实时反馈的情况下提高内窥镜视图质量和改进可持续性的学习曲线。
研究人群 入选标准 计划接受门诊诊断性 UGI 内窥镜检查的 18 岁或以上受试者将被邀请参加该研究。
排除标准 以下受试者将被排除在研究之外：住院/急诊 OGD 转诊、治疗性 OGD 转诊（例如 息肉切除术、饲管插入）、既往胃十二指肠手术史、任何可能损害提供信息或给予有效同意的能力的合并症（例如 痴呆、脑血管疾病）或任何重大的医学或肿瘤合并症。
预计持续时间 24 个月
研究类型
注册 (预期的)
阶段
- 不适用
联系人和位置
学习联系方式
- 姓名：Amar Srinivasa, BMBS
- 电话号码：07795084514
- 邮箱：amarsrinivasa@nhs.net
研究联系人备份
- 姓名：Nigel Trudgill, MbChB
- 邮箱：nigel.trugill@nhs.net
学习地点
-
-
West Midlands
-
Birmingham、West Midlands、英国、B71 4HJ
- Sandwell General Hospital
-
接触：
- Kelly Hard
- 邮箱：kellyhard@nhs.net
-
副研究员：
- Amar Srinivasa, MBBS
-
首席研究员：
- Nigel Trudgill, MbCHb
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
描述
纳入标准：
- 计划接受门诊诊断性 UGI 内窥镜检查的 18 岁或以上受试者将被邀请参加该研究。
排除标准：
- 以下受试者将被排除在研究之外：住院/急诊 OGD 转诊、治疗性 OGD 转诊（例如 息肉切除术、饲管插入）、既往胃十二指肠手术史、任何可能损害提供信息或给予有效同意的能力的合并症（例如 痴呆、脑血管疾病）或任何重大的医学或肿瘤合并症。
学习计划
研究是如何设计的？
设计细节
- 主要用途：诊断
- 分配：随机化
- 介入模型：交叉作业
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：具有 AI 反馈的内窥镜医师
这将是在内窥镜检查期间将获得 AI 反馈的内窥镜医师组
|
人工智能通过单独的屏幕向内窥镜医师提供反馈，告知他们上消化道的哪一部分已被充分观察到。
|
|
有源比较器：没有 AI 反馈的内窥镜医师
这将是在内窥镜检查期间没有 AI 反馈的内窥镜医师组，以评估他们的基线部位检出率。
双臂将交叉查看 AI 是否提高了内窥镜检查质量，以及它的移除是否会降低质量。
|
人工智能通过单独的屏幕向内窥镜医师提供反馈，告知他们上消化道的哪一部分已被充分观察到。
|
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 |
|---|---|---|
|
内窥镜检查成功检查的部位数量 (0-28)
大体时间：内窥镜检查期间
|
内窥镜检查成功检查的部位数量 (0-28)
|
内窥镜检查期间
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
整体程序时间
大体时间：内窥镜检查期间
|
内窥镜手术时间
|
内窥镜检查期间
|
|
个别现场检查时间
大体时间：内窥镜检查期间
|
在消化道每个区域花费的时间
|
内窥镜检查期间
|
合作者和调查者
调查人员
- 首席研究员：Nigel Trudgill, MbChB、Sandwell General Hospital
研究记录日期
研究主要日期
学习开始 (预期的)
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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.