AI-EBUS-Elastography for LN Staging

Titre officiel

Clinical Utility of Artificial Intelligence Augmented Endobronchial Ultrasound Elastography in Lymph Node Staging for Lung Cancer

Sommaire:

Avant de prendre une décision en matière de traitement pour les patients atteints d’un cancer du poumon, il est essentiel de déterminer si le cancer s’est propagé aux ganglions lymphatiques de la poitrine. Traditionnellement, on le détermine en prélevant des échantillons de biopsie de ces ganglions lymphatiques, à l’aide de la procédure de cytoponction sous échoguidage endobronchique (EBUS-TBNA). Malheureusement, dans 40 % des cas, les résultats de l’EBUS-TBNA ne sont pas informatifs et des décisions thérapeutiques erronées sont prises. Il existe donc un besoin reconnu de trouver un meilleur moyen de déterminer si le cancer s’est propagé aux ganglions lymphatiques de la poitrine. Les chercheurs pensent que l’élastographie, une technologie d’imagerie récemment découverte, peut répondre à ce besoin. Dans la présente étude, les chercheurs proposent de déterminer si l’élastographie peut diagnostiquer un cancer dans les ganglions lymphatiques. L’élastographie détermine la rigidité des tissus dans les différentes parties du ganglion lymphatique et génère une carte en couleur, où la partie la plus rigide du ganglion lymphatique s’affiche en bleu, et la partie la plus molle en rouge. Il a été proposé que si un ganglion lymphatique est à prédominance bleue, il contient un cancer, et s’il est à prédominance rouge, il est bénin. Pour étudier le sujet, les chercheurs ont conçu une expérience dans laquelle les ganglions lymphatiques sont imagés par EBUS-élastographie, et les images sont ensuite analysées par un algorithme informatique utilisant l’intelligence artificielle. L’algorithme analysera tout d’abord les images, puis prédira si ces images révèlent un cancer dans le ganglion lymphatique. Pour évaluer le succès de l’algorithme, les chercheurs compareront ses prédictions aux résultats pathologiques des biopsies des ganglions lymphatiques ou des prélèvements chirurgicaux.

Description de l'essai

Primary Outcome:

• Stiffness Area Ratio

• NeuralSeg's prediction of lymph node malignancy
• The agreement between NeuralSeg's predictions and pathology results, as measured by diagnostic accuracy, sensitivity, specificity, positive and negative predictive values

Voir cet essai sur ClinicalTrials.gov