Меню
Идёт набор NCT07399652

Artificial Intelligence-Guided Detection of Blood Vessels to Enhance Safety in Third-Space Endoscopic Procedures

Без фазы С лечением Achalasia Cardia Tumor

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: AI generated segmentation mask for sub-mucosal blood vessels.
Кому может быть актуально
Состояния в реестре: Achalasia Cardia, Tumor. Базовые параметры: Без ограничений · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Индия
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

Artificial Intelligence-Guided Detection of Anatomical Markers to Enhance Safety in Third-Space Endoscopic Procedures

Обзор

This prospective study aims to evaluate the performance of a novel Artificial Intelligence (AI) clinical decision support tool during third space endoscopic procedures, such as Endoscopic Submucosal Dissection (ESD) and Peroral Endoscopic Myotomy (POEM). While these procedures are effective for treating gastrointestinal neoplasms and motility disorders, they carry risks of intraprocedural bleeding and perforation if submucosal blood vessels are not correctly identified and coagulated. Building on previous retrospective validation, this study will assess whether a real-time artificial intelligence model can assist endoscopists in detecting and delineating blood vessels more accurately and faster during live human procedures.

Подробное описание

Background and Rationale

Third-space endoscopy procedures are technically demanding. The primary challenge lies in the inadvertent transection of submucosal vessels, which leads to bleeding that obscures the surgical field and increases the risk of perforation. Currently, vessel identification is entirely operator-dependent.

Our team has developed a deep-learning based artificial intelligence model trained on 250,000 annotated images from 150 POEM procedures. This model is optimized for minimal latency, allowing for real-time visual overlays (delineation) of blood vessels on the endoscopic monitor.

Study Objectives The primary objective is to evaluate the Vessel Detection Rate (VDR)-the proportion of vessels identified by the endoscopist when assisted by the AI compared to standard practice.

The study will also investigate:

Vessel Detection Time (VDT): The latency between a vessel appearing in the field of view and its identification.

Study Design \& Workflow:

In this prospective study, the AI system will be integrated into the Olympus EVIS X1 series endoscopy stack. As the endoscopist navigates the submucosal space, the AI will provide real-time visual segmentation masks highlighting vessels. The performance will be recorded and compared against a post-procedure review by independent experts to calculate sensitivity and detection speed.

Вмешательства

  • Устройство AI generated segmentation mask for sub-mucosal blood vessels
    Real time AI generated segmentation mask or delineation contours for sub-mucosal blood vessels visible on the endoscopy monitor.

Первичные конечные точки

  • Vessel Detection Rate (VDR) [Срок оценки: 3 months]
Вторичные конечные точки (1)
  • Vessel Detection Time (VDT) [Срок оценки: 3 months]

Критерии участия

Критерии включения

  • Patients diagnosed with Achalasia Cardia or neoplasms.

Критерии исключения

  • Patients with conditions deemed unsuitable for third space endoscopy procedures (e.g.: Candidiasis)

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Нет

Дизайн исследования

Распределение
Рандомизированное
Модель
Параллельные группы
Маскирование
Открытое
Основная цель
Оценка устройства

Центры проведения

Индия · 1 центр
  • Asian Institute of Gastroenterology — Hyderabad

Публикации

  • Scheppach MW, Mendel R, Muzalyova A, Rauber D, Probst A, Nagl S, Rommele C, Yip HC, Lau LHS, Golder SK, Schmidt A, Kouladouros K, Abdelhafez M, Walter BM, Meinikheim M, Chiu PWY, Palm C, Messmann H, Ebigbo A. Use of artificial intelligence in submucosal vessel detection during third-space endoscopy. Endoscopy. 2025 Jul;57(7):760-766. doi: 10.1055/a-2534-1164. Epub 2025 Feb 5. PMID 39909396
  • Ebigbo A, Mendel R, Scheppach MW, Probst A, Shahidi N, Prinz F, Fleischmann C, Rommele C, Goelder SK, Braun G, Rauber D, Rueckert T, de Souza LA Jr, Papa J, Byrne M, Palm C, Messmann H. Vessel and tissue recognition during third-space endoscopy using a deep learning algorithm. Gut. 2022 Dec;71(12):2388-2390. doi: 10.1136/gutjnl-2021-326470. Epub 2022 Sep 15. PMID 36109151

Идентификаторы

NCT: NCT07399652 · AITSE-1

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗