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

Aplikace modelů strojového učení ke snížení potřeby diagnostického EUS nebo MRCP u pacientů se střední pravděpodobností choledocholitiázy

4. ledna 2026 aktualizováno: Asian Institute of Gastroenterology, India

Aplikace modelů strojového učení ke snížení potřeby diagnostického EUS nebo MRCP u pacientů se střední pravděpodobností choledocholitiázy – prospektivní, otevřená, diagnostická studie

Prediktivní model strojového učení může pomoci při stratifikaci heterogenní skupiny se střední pravděpodobností, aby se snížila potřeba EUS nebo MRCP u vybrané podskupiny pacientů.

Přehled studie

Postavení

Nábor

Podmínky

Detailní popis

Současné doporučené postupy pro podezření na choledocholitiázu mají za cíl snížit riziko, že pacient dostane diagnostickou ERCP, a snížit riziko nežádoucích účinků po ERCP. V tomto procesu je patrný nárůst počtu pacientů ve skupině se střední pravděpodobností vyžadující EUS nebo MRCP. To může zvýšit využití zdravotní péče a náklady na péči o pacienty se střední pravděpodobností. Oblast umělé inteligence v klinické medicíně se rychle vyvíjí. Použití modelu strojového učení založeného na umělé inteligenci není dostatečně studováno pro predikci choledocholitiázy. Prediktivní model strojového učení může pomoci při stratifikaci heterogenní skupiny se střední pravděpodobností, aby se snížila potřeba EUS nebo MRCP u vybrané podskupiny pacientů.

Typ studie

Pozorovací

Zápis (Odhadovaný)

1000

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 záloha kontaktů

Studijní místa

  • Indie
    • Telangana
      • Hyderabad, Telangana, Indie, 500032
        • Nábor
        • Asian Institute of Gastroenterology
        • 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

N/A

Metoda odběru vzorků

Ukázka pravděpodobnosti

Studijní populace

Všichni pacienti s podezřením na choledocholitiázu splňující kritéria rizikové stratifikace ESGE nebo ASGE střední pravděpodobnosti choledocholitiázy budou prospektivně zařazeni z nemocnic AIG, Hyderabad

Popis

Kritéria pro zařazení:

• Jednotlivec ve věku 18 let nebo starší s podezřením na choledocholitiázu splňující kritéria rizikové stratifikace ASGE nebo ESGE střední pravděpodobnosti, že podstoupí EUS nebo MRCP

Kritéria vyloučení:

  • Pacienti s koexitujícím onemocněním pankreatobiliárního systému jiným než žlučové kameny a choledocholitiázou, které zahrnují chronickou pankreatitidu, biliární strikturu, pankreatobiliární malignitu, portální biliopatii
  • Pacienti se základním chronickým onemocněním jater
  • Těhotenství a kojení
  • Předchozí anamnéza cholecystektomie

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

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Plocha pod křivkou charakteristiky příjemce (AUROC) modelu strojového učení
Časové okno: 1 měsíc
Plocha pod křivkou charakteristiky příjemce (AUROC) predikčního modelu založeného na strojovém učení pro identifikaci přítomnosti choledocholitiázy.
1 měsíc

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Diagnostická přesnost Endoskopické ultrasonografie (EUS) nebo Magnetické rezonanční cholangiopankreatografie (MRCP)
Časové okno: 1 měsíc
Citlivost, specificita, pozitivní prediktivní hodnota (PPV), negativní prediktivní hodnota (NPV) a plocha pod křivkou charakteristiky přijímače (AUROC) magnetické rezonanční cholangiopankreatografie (MRCP) pro identifikaci choledocholitiázy.
1 měsíc
Validační výkon predikčního modelu strojového učení
Časové okno: 1 měsíc
Validační výkonnost modelu strojového učení pro predikci choledocholitiázy, hodnocený pomocí AUROC, kalibračních metrik (Brierovo skóre) a kalibračních grafů v nezávislé validační kohortě.
1 měsíc

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Asian Institute of Gastroenterology, India

Vyšetřovatelé

  • Ředitel studie: Mohan Ramchandani, MD, Asian Institute of Gastroenterology

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. října 2023

Primární dokončení (Odhadovaný)

30. června 2026

Dokončení studie (Odhadovaný)

30. října 2026

Termíny zápisu do studia

První předloženo

13. září 2023

První předloženo, které splnilo kritéria kontroly kvality

27. září 2023

První zveřejněno (Aktuální)

4. října 2023

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

6. ledna 2026

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

4. ledna 2026

Naposledy ověřeno

1. prosince 2025

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • AI EUS Choledocholithiasis

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