Automatisk klassificering af kolorektale polypper ved hjælp af probebaseret endomomikroskopi med kunstig intelligens
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Forventet)
Tilmelding
Fase
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Yangqing Li, PHD.MD.
- Telefonnummer: 053182169385
- E-mail: liyanqing@sdu.edu.cn
Studiesteder
-
-
Shandong
-
Jinan, Shandong, Kina, 250001
- Rekruttering
- Endoscopic unit of Qilu Hospital Shandong University
-
Kontakt:
- Yanqing Li, PhD,MD
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Beskrivelse
Inklusionskriterier:
i alderen mellem 18 og 80; accepterer at give skriftligt informeret samtykke.
Ekskluderingskriterier:
Patienter under forhold, der ikke er egnede til at udføre CLE, herunder koagulopati, nedsat nyre- eller leverfunktion, graviditet eller amning og kendt allergi over for fluorescein-natrium; Manglende evne til at give informeret samtykke
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Tredobbelt
Antal våben
Våben og indgreb
Deltagergruppe / ArmDeltagergruppe / Arm |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Eksperimentel: AI synlig gruppe
|
Automatisk diagnoseinformation om AI er synlig for endoskopist
|
|
Ingen indgriben: AI usynlig gruppe
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtigheden af at klassificere kolorektale polypper ved hjælp af probebaseret endomikroskopi med dybe neurale netværk
Tidsramme: 4 måneder
|
Det primære resultat er at teste den diagnostiske nøjagtighed, sensitivitet, specificitet, PPV, NPV af den kunstige intelligens til diagnosticering af kolorektale polypper på pCLE-undersøgelse i realtid.
|
4 måneder
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Sammenlign diagnoseeffektiviteten af kunstig intelligens med endoskopister
Tidsramme: 3 måneder
|
Det sekundære resultat er at sammenligne diagnoseeffektiviteten (inklusive diagnostisk nøjagtighed, sensitivitet, specificitet, PPV, NPV til diagnosticering af kolorektale polypper ved pCLE-undersøgelse i realtid) mellem kunstig intelligens og endoskopister.
|
3 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Forventet)
Primær færdiggørelse
Studieafslutning (Forventet)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- 2018SDU-QILU-8
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 .