Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Umělá inteligence pro stanovení intervalů sledování gastroskopie

19. listopadu 2022 aktualizováno: Xiuli Zuo

Vývoj a validace doporučení pro sledování gastroskopie na základě zpracování přirozeného jazyka pro pacienty s rakovinou žaludku a prekancerózními chorobami

Účelem této studie je vyvinout a ověřit systém podpory klinického rozhodování založený na automatizovaných algoritmech. Tento systém může využívat zpracování přirozeného jazyka k extrakci dat z endoskopických zpráv a patologických zpráv pacientů, identifikaci typů a stupňů onemocnění pacientů a generování doporučení pro následná sledování nebo doporučení léčby.

Přehled studie

Postavení

Aktivní, ne nábor

Podmínky

Intervence / Léčba

Typ studie

Pozorovací

Zápis (Očekávaný)

2000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní místa

  • Čína
    • Shandong
      • Jinan, Shandong, Čína, 250012
        • Qilu Hospital, Shandong University

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

18 let až 80 let (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

N/A

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

pacienti, kteří přišli do nemocnice Qilu na univerzitě Shandong a podstoupili endoskopické vyšetření, ale nikoli terapeutickou endoskopii

Popis

Kritéria pro zařazení:

  • Pacienti ve věku 18 - 80 let
  • Pacienti podstoupili endoskopické vyšetření

Kritéria vyloučení:

  • Pacienti s kontraindikací endoskopického vyšetření
  • Pacienti s neúplnými informacemi o vyšetření
  • Pacienti podstupují k terapii endoskopii
  • Pacienti mají v anamnéze operaci horní části gastrointestinálního traktu
  • Pacienti s duodenálními nebo laryngeálními novotvary
  • Pacienti s gastrointestinálním submukózním nádorem

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

  • Observační modely: Jiný
  • Časové perspektivy: Retrospektivní

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Rozhodovací skupina pro podporu umělé inteligence
Podle endoskopických zpráv a patologických zpráv systém podpory rozhodování rozpozná typy a stupně onemocnění pacientů a generuje doporučení na základě doporučení pro sledování nebo léčbu.
Jiný: AI rozpozná nemoc a vytvoří doporučení
Podle endoskopických zpráv a patologických zpráv systém podpory rozhodování rozpozná typy a stupně onemocnění pacientů a generuje doporučení na základě doporučení pro sledování nebo léčbu.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Diagnostická přesnost žaludečních onemocnění pomocí algoritmu hlubokého učení
Časové okno: 12 měsíců
Diagnostická přesnost žaludečních onemocnění pomocí algoritmu hlubokého učení
12 měsíců
Přesnost doporučení pro různé nemoci s algoritmem hlubokého učení
Časové okno: 12 měsíců
Přesnost doporučení pro různé nemoci s algoritmem hlubokého učení
12 měsíců

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Diagnostická citlivost žaludečních onemocnění pomocí algoritmu hlubokého učení
Časové okno: 12 měsíců
Diagnostická citlivost žaludečních onemocnění pomocí algoritmu hlubokého učení
12 měsíců
Diagnostická specifičnost žaludečních onemocnění pomocí algoritmu hlubokého učení
Časové okno: 12 měsíců
Diagnostická specifičnost žaludečních onemocnění pomocí algoritmu hlubokého učení
12 měsíců
Diagnostická pozitivní prediktivní hodnota žaludečních onemocnění pomocí algoritmu hlubokého učení
Časové okno: 12 měsíců
Diagnostická pozitivní prediktivní hodnota žaludečních onemocnění pomocí algoritmu hlubokého učení
12 měsíců
Diagnostická negativní prediktivní hodnota žaludečních onemocnění pomocí algoritmu hlubokého učení
Časové okno: 12 měsíců
Diagnostická negativní prediktivní hodnota žaludečních onemocnění pomocí algoritmu hlubokého učení
12 měsíců
F-skóre žaludečních onemocnění s algoritmem hlubokého učení
Časové okno: 12 měsíců
F-skóre žaludečních onemocnění s algoritmem hlubokého učení
12 měsíců

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Xiuli Zuo

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

1. ledna 2012

Primární dokončení (Aktuální)

31. října 2022

Dokončení studie (Očekávaný)

31. prosince 2023

Termíny zápisu do studia

První předloženo

19. listopadu 2022

První předloženo, které splnilo kritéria kontroly kvality

19. listopadu 2022

První zveřejněno (Aktuální)

30. listopadu 2022

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

30. listopadu 2022

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

19. listopadu 2022

Naposledy ověřeno

1. listopadu 2022

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • 2022-SDU-QILU-G008

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Předplatit