此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

新颖、一站式、经济实惠的护理点和人工智能支持的中低收入国家宫颈癌筛查、分诊和治疗选择系统 (EASTER)

一种新颖、一站式、经济实惠的护理点和人工智能支持的系统,用于中低收入国家的宫颈癌和癌前期筛查、分诊和治疗选择

人工智能作为一种非常有前途的宫颈癌筛查解决方案而迅速赢得声誉。 基于人工智能的宫颈肿瘤检测被美国国家癌症研究所命名为自动视觉检查(AVE)。 研究人员建议开发和评估新型人工智能系统的性能特征,以对女性进行筛查和分类,并帮助制定治疗决策。 AI 将分析未经筛查的女性尿液样本中的红外光谱信号,以确定是否存在高危人乳头瘤病毒 (hr-HPV)。 我们的初步研究表明,光谱法可以检测尿液中的 hr-HPV。 对于筛查结果呈阳性的女性,人工智能将解读一组用高质量专用相机拍摄的宫颈图像,以检测高级别宫颈癌前病变和癌症,并确定转化区 (TZ) 的类型(有助于治疗决策)。 我们已经开发了用于图像捕获和人工智能算法的原型设备。 这些技术将在第 1 部分(最初 2 年)中进一步改进,并在第 2 部分(随后 3 年)中得到验证。 在第 1 部分中,研究人员将使用光谱分析从津巴布韦多个筛查诊所收集的 1100 名女性的尿液样本中是否存在 hr-HPV,并使用生成的信号来改进 AI 算法。 在这一部分中,研究人员还将评估使用光谱法检测尿液样本中的 hr-HPV 与使用经过验证的 HPV 检测进行宫颈 HPV 检测之间的一致性。 第 1 部分将通过收集更多 hr-HPV 阳性和阴性女性的图像,进一步改进宫颈图像识别设备和 AI 算法。 人工智能还将接受训练来解释宫颈图像以确定 TZ 类型。 在第 2 部分中,津巴布韦将使用人工智能支持的尿液光谱分析来检测 hrHPV,并对总共 2100 名女性进行筛查,并使用经过验证的 HPV 检测来评估和比较其敏感性和特异性,以检测经组织学证明的高级别宫颈癌前癌和癌症。 将评估人工智能支持的宫颈图像宫颈肿瘤检测的敏感性和特异性,以对 HPV 阳性女性进行分类。 AI判断TZ类型的准确性将与专家意见进行比较。 在现场验证部分(第 2 部分)期间,调查人员还将进行成本分析,并将我们的方法与当前标准津巴布韦实践的成本进行比较。 国际癌症研究机构(世卫组织癌症研究组织)与美国特拉华州 Neo Sense Vector Company (NSV)(工业界)、英国兰卡斯特兰卡斯特大学工程系和津巴布韦大学学院合作津巴布韦哈拉雷健康科学中心开展这项研究,重点关注创新,这将极大地促进全球消除宫颈癌,这是世卫组织的优先事项。

研究概览

地位

招聘中

条件

详细说明

宫颈癌是一项重大的公共卫生挑战,每年导致超过 300,000 名女性在其一生中最具生产力的时期死亡,并且对中低收入国家的女性影响尤为严重。 即使在美国这样的发达国家,低收入和高收入人口之间的差距也是惊人的。 宫颈癌死亡极大地改变了家庭和社会动态。 在撒哈拉以南非洲 (SSA),每 100 名女性死于宫颈癌,就有 14 至 30 名儿童因此间接死亡。 事实上,宫颈癌死亡率是实现世卫组织可持续发展目标的真正障碍,该目标是在 2030 年之前将非传染性疾病 (NCD) 造成的过早死亡率减少三分之一。 世界卫生组织最近还通过了一项在全球消除宫颈癌的决议。 虽然 HPV 疫苗接种无疑将支持下一代女孩的这一雄心壮志,但这一愿景也需要有效的筛查和治疗计划。 然而,当前的中低收入国家筛查、调查和治疗制度尤其存在严重缺陷,并且没有得到广泛采用。

EASTER项目旨在进一步开发和验证宫颈癌筛查和诊断的两项新技术:(i)利用光谱法筛查尿液中的人乳头瘤病毒(HPV),以及(ii)利用私营机构NSV的人工智能辅助技术进行诊断。公司。 该项目将招募 3200 名女性并对她们进行 HPV 筛查。

该项目将分两部分实施。 第1部分.技术改进实现两个关键改进。

  • 提高光谱学和人工智能的性能,以检测尿液样本中的 hr-HPV。
  • 提高 n-Gyn 设备和人工智能的性能,以捕获宫颈图像并对其进行解释。

第 2 部分:在研究的第二部分中,研究人员将在津巴布韦的相同环境中测试第 1 部分开发的人工智能算法和设备的功能和有效性。 开发的尿液样本人工智能解读系统将作为检测 CIN2+ 病变的筛查测试进行评估,并与经过验证的 HPV 检测测试进行比较。 n-Gyn 系统根据捕获的宫颈图像检测 CIN2+ 病变的 AI 诊断准确性将被评估为 HPV 阳性女性在检测组织病理学证实的 CIN 2+ 病变时的分类测试。

设置、过程和分析:

复活节项目(第 1 部分和第 2 部分)将在哈拉雷的两个筛查综合诊所(Epworth 和 Mbare)实施,这些诊所对妇女进行常规筛查(平均有 15% 的 WLHIV 参与者)。 同意参与并签署相应机构审查委员会 (IRB) 批准的同意书的 25-49 岁女性将被要求提供两份自行采集的样本,1) 第一份无效尿液样本和 2) 自行采集的阴道样本。 招募样本将使用 Ampfire 进行 HPV 检测。 任一样本中 HPV 呈阳性的女性将接受阴道镜检查以确定疾病。

阴道镜医师将检查 n-Gyn 屏幕上的宫颈图像,并且独立于 AI 将记录 SCJ 的可见性和位置、TZ 类型、Swede 评分、最合适的活检部位(如果存在任何异常)以及是否适合进行活检。通过消融治疗。 将在用生理盐水清洁之前和之后以及在施加5%乙酸一分钟之后获得转化区的连续图像。 将使用适当的放大倍数来描绘 SCJ 并识别可疑异常的最严重区域。 使用卢戈碘后将捕获最终图像。 收集图像后,临床医生将从他/她确定的最异常部位进行至少一次穿刺活检。 如果没有可见病变,将从最靠近 SCJ 的 6 点钟和 12 点钟位置进行活检。 所有组织病理学载玻片都将由哈拉雷柳叶刀实验室的病理学家进行检查。 将根据当地管理协议对患者进行管理。

女性将根据临床结肠镜检查诊断进行管理:没有可见病变的女性将退出研究。 如果符合条件,有明显病变的女性将接受热消融治疗,如果需要,将接受 LLETZ 治疗并退出研究。 被诊断患有癌症的女性将被转介至常规系统进行适当的管理并退出研究。

数据管理和研究监督将由国际癌症研究机构 (IARC) 和当地首席研究员负责,他们都是经验丰富的 HPV 研究人员。

静态评估的主要关注结果将是组织学证实的 2 级或更严重的宫颈上皮内瘤变 (CIN2+),包括 p16 阳性的 CIN2 病变。 对于第一部分,我们的分析将重点关注尿液光谱分析与 Ampfire HPV 检测 hr-HPV 之间的一致性,后者将使用 Cohen 的 kappa 统计数据进行测试。 如果 kappa 达到 0.7(80% 一致性),则光谱学在定义筛查结果方面将被视为与 HPV 检测一样好。 对于第 2 部分,将使用标准公式来计算测试性能特征(灵敏度/特异性)。为了比较筛选测试的性能特征,如果ẟ是假设的相对敏感性(或特异性),如果真实的相对风险在区间(ẟ到1/ẟ)内,则将推断两个测试的等效性。 比例测试将用于评估分类测试的性能特征是否与假设值没有不同。

研究类型

观察性的

注册 (估计的)

3200

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。

学习联系方式

学习地点

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

  • 成人

接受健康志愿者

取样方法

非概率样本

研究人群

这项研究将在津巴布韦哈拉雷的两家综合诊所(Epworth 和 Mbare)进行。 所选地区所有 25 至 49 岁的女性居民将通过不同的方式被邀请前往当地卫生中心进行筛查。

描述

纳入标准:

  • 过去 3 年内未进行宫颈筛查
  • 年龄在25岁至49岁之间
  • 理解并签署书面知情同意书

排除标准:

  • 以任何理由拒绝参加
  • 月经活跃或怀孕
  • 尽早治疗宫颈癌前病变或癌症

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
组织学证实的宫颈上皮内瘤变 2 级或更严重 (CIN2+)
大体时间:a) 完成第 1 部分,从招募开始起平均需要 2 年; b) 完成第 2 部分后,完成第 1 部分后平均 3 年
经组织学证实患有 2 级、3 级宫颈上皮内瘤变或癌症(包括 p16 CIN2 阳性)的参与者。
a) 完成第 1 部分,从招募开始起平均需要 2 年; b) 完成第 2 部分后,完成第 1 部分后平均 3 年

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:Partha Basu, MD、International Agency For Research On Cancer (IARC)
  • 首席研究员:Bothwell Guzha, MD、University of Zimbabwe
  • 首席研究员:Mike Chirenje Zvavahera, MD、University of California, San Francisco
  • 首席研究员:Ihtesham U Rehman, PhD、Lancaster University
  • 首席研究员:Walter Prendiville, MD、Neo Sense Vector (NSV)

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)

2023年12月9日

初级完成 (估计的)

2027年12月31日

研究完成 (估计的)

2027年12月31日

研究注册日期

首次提交

2023年9月6日

首先提交符合 QC 标准的

2023年9月15日

首次发布 (实际的)

2023年9月18日

研究记录更新

最后更新发布 (实际的)

2024年3月8日

上次提交的符合 QC 标准的更新

2024年3月7日

最后验证

2024年3月1日

更多信息

与本研究相关的术语

药物和器械信息、研究文件

研究美国 FDA 监管的药品

研究美国 FDA 监管的设备产品

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.

3
订阅