Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Kunstig intelligens til tidlig diagnose af esophageal pladecellecarcinom

25. april 2020 opdateret af: Yanqing Li, Shandong University

Anvendelse af kunstig intelligens til tidlig diagnose af esophageal pladecellecarcinom under optisk forstærkning forstørrelsesendoskopi

Esophageal pladecellecarcinom er en af ​​de mest almindelige maligne tumorer i den øvre fordøjelseskanal. Imidlertid er påvisningshastigheden og diagnose-nøjagtigheden af ​​tidlig esophageal pladecellekræft lav. Formålet med denne undersøgelse er at udvikle et computer-assisteret diagnoseværktøj kombineret med optisk forstørrelsesendoskopi til tidlig påvisning og præcis diagnose af det.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

119

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

    • Shandong
      • Jinan, Shandong, Kina, 250012
        • Department of Gastroenterology, Qilu Hospital, Shandong University

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

På hinanden følgende patienter, der kom til Qilu Hospital ved Shandong University og modtog optisk forstørrelses-OE endoskopiundersøgelse

Beskrivelse

Inklusionskriterier:

  • højrisikopatienter for esophageal cancer i alderen 18 år eller ældre;
  • Histologisk verificeret tidlig esophageal pladecellekræft.

Ekskluderingskriterier:

  • patienter, hvis billeder af spiserøret ikke er egnede til træning, validering og test af computer-assist diagnoseværktøjet.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
AI synlig gruppe
de endoskopiske nybegyndere, der analyserer billederne, kan se den automatiske diagnose af AI under processen
AI-præsentation betyder den automatiske diagnoseinformation for AI, og AI-præsentation betyder, at den er synlig i gruppen.
AI usynlig gruppe
den endoskopiske novice, der analyserer billederne, kan ikke se den automatiske diagnose af AI under processen
AI-præsentation betyder den automatiske diagnoseinformation for AI, og ingen AI-præsentation betyder, at den er usynlig i gruppen.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
AI-modellens diagnoseeffektivitet
Tidsramme: 12 måneder
AI-modellens følsomhed, specificitet og nøjagtighed
12 måneder

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Efterforskere

  • Ledende efterforsker: Yanqing Li, PHD, Qilu Hospital, Shandong University

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

1. december 2018

Primær færdiggørelse (Faktiske)

1. marts 2020

Studieafslutning (Faktiske)

1. april 2020

Datoer for studieregistrering

Først indsendt

28. november 2018

Først indsendt, der opfyldte QC-kriterier

28. november 2018

Først opslået (Faktiske)

30. november 2018

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

28. april 2020

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

25. april 2020

Sidst verificeret

1. april 2020

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • 2018SDU-QILU-2

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med AI præsentation

Søg i lignende forsøg