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

Endoskopie bílého světla za pomoci umělé inteligence k identifikaci Kimura-Takemoto klasifikace atrofické gastritidy

10. dubna 2024 aktualizováno: Yanqing Li, Shandong University

Endoskopie bílého světla za pomoci umělé inteligence k identifikaci Kimura-Takemoto klasifikace atrofické gastritidy k dosažení hodnocení rizika rakoviny žaludku

Klasifikace endoskopické atrofie podle klasifikace Kimura-Takemoto může posoudit riziko rozvoje neoplazie žaludku. Míra falešně negativních výsledků u chronické atrofické gastritidy je však vysoká v důsledku různé standardizace diagnostiky a diagnostických zkušeností a úrovní endoskopistů. Cílem této studie je proto vyvinout model umělé inteligence pro identifikaci klasifikace Kimura-Takemoto.

Přehled studie

Detailní popis

Klasifikace endoskopické atrofie podle klasifikace Kimura-Takemoto může posoudit riziko rozvoje neoplazie žaludku. Čím vyšší skóre, tím závažnější je stupeň atrofické gastritidy. Míra falešně negativních výsledků u chronické atrofické gastritidy je však vysoká v důsledku různé standardizace diagnostiky a diagnostických zkušeností a úrovní endoskopistů. Tato studie si proto klade za cíl vyvinout model umělé inteligence pro identifikaci Kimura-Takemoto klasifikace atrofické gastritidy, aby bylo možné dosáhnout hodnocení rizika rakoviny žaludku.

Typ studie

Pozorovací

Zápis (Odhadovaný)

1500

Kontakty a umístění

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

Studijní kontakt

Studijní místa

    • Shandong
      • Shangdong, Shandong, Čína, 250012
        • Nábor
        • Department of Gastrology, QiLu Hospital, Shandong University
        • Kontakt:

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

  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Do studie budou zařazeni po sobě jdoucí pacienti, kteří podstoupí gastrointestinální endoskopické vyšetření a screening, kteří splňují kritéria způsobilosti v nemocnici Qilu, Shandong University.

Popis

Kritéria pro zařazení:

Pacienti ve věku 18-80 let, kteří podstoupí vyšetření endoskopem bílým světlem Formulář informovaného souhlasu poskytnutý pacientem.

Kritéria vyloučení:

  1. pacienti s těžkou srdeční, cerebrální, plicní nebo renální dysfunkcí nebo psychiatrickou dysfunkcí;
  2. poruchy, které se nemohou zúčastnit gastroskopie;
  3. Pacienti s progresivní rakovinou žaludku;
  4. obrázky nízké kvality;
  5. pacienti s předchozími chirurgickými zákroky na žaludku nebo jícnu;
  6. pacienti, kteří odmítnou podepsat formulář informovaného souhlasu;

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

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Chronická atrofická gastritida pozorovaná endoskopem v bílém světle
Získejte snímky z antra žaludku, úhlu žaludku, menšího zakřivení těla žaludku, kardie, fundu žaludku, většího zakřivení těla žaludku pomocí endoskopu bílého světla
Endosopové a AI posoudí klasifikaci Kimura-Takemoto nezávisle, když jsou pacienti způsobilí.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Přesnost modelu AI pro diagnostiku klasifikace Kimura-Takemoto
Časové okno: 2 roky
Přesnost modelu AI pro diagnostiku klasifikace Kimura-Takemoto
2 roky
Citlivost modelu AI pro diagnostiku klasifikace Kimura-Takemoto
Časové okno: 2 roky
Citlivost modelu AI pro diagnostiku klasifikace Kimura-Takemoto
2 roky
Specifičnost modelu AI pro diagnostiku klasifikace Kimura-Takemoto
Časové okno: 2 roky
Specifičnost modelu AI pro diagnostiku klasifikace Kimura-Takemoto
2 roky

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Hodnota MIOU modelu AI v sémantické segmentaci obrazu endoskopické atrofie
Časové okno: 2 roky
Hodnota MIOU modelu AI v sémantické segmentaci obrazu endoskopické atrofie
2 roky

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Vyšetřovatelé

  • Studijní židle: yanqing li, MD,PHD, Qilu Hospital, Shandong University

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. června 2023

Primární dokončení (Odhadovaný)

31. prosince 2024

Dokončení studie (Odhadovaný)

31. prosince 2024

Termíny zápisu do studia

První předloženo

14. června 2023

První předloženo, které splnilo kritéria kontroly kvality

14. června 2023

První zveřejněno (Aktuální)

23. června 2023

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

12. dubna 2024

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

10. dubna 2024

Naposledy ověřeno

1. dubna 2024

Více informací

Termíny související s touto studií

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