En randomiseret kontrolleret multicenterundersøgelse af kunstig intelligens assisteret fordøjelsesendoskopi
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Undersøgelsestype
Undersøgelsestype
Tilmelding (Forventet)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Wang J An, Dr
- Telefonnummer: 057187783759 057187783759
- E-mail: HREC2013@126.com
Undersøgelse Kontakt Backup
- Navn: Cai J Ting, Dr
- Telefonnummer: 15267019902 15267019902
- E-mail: 1173920428@qq.com
Studiesteder
-
-
Zhejiang
-
Hangzhou, Zhejiang, Kina, 310000
- Rekruttering
- Cai J Ting
-
Kontakt:
- Cai J Ting
- Telefonnummer: 15267019902 15267019902
- E-mail: 1173920428@qq.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Underskriv frivilligt det informerede samtykke til denne undersøgelse
- Stabile vitale tegn
- Over 18 år gammel
- Patienter, der har behov for smertefri gastroenteroskopi af forskellige årsager
Ekskluderingskriterier:
- Ude af stand til eller villig til at underskrive en samtykkeerklæring, eller ude af stand til at følge forskningsprocedurer
- har kontraindikationer til smertefri gastroenteroskopi
- Vitale tegn er ustabile
- Læsionerne er identificeret ved gastroenteroskopi på andre hospitaler, hvilket yderligere skal bekræfte de patienter, der kommer til vores hospital til endoskopisk undersøgelse
- Endoskopisk behandling, såsom polypektomi, pylorus smal dilatation og så videre
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
A: Model A
Tilstand A var lydløs tilstand, ryg mod ryg med endoskopiske læger til samtidig at vise endoskopiske billeder og optage video, men forstyrrede ikke driften af endoskopiske læger. Efter operationen genererer AI-modellen automatisk en endoskopirapport, som sammenlignes med den officielle rapport afgivet af endoskopilægen i endoskopisystemet.
Hvis forskellen er stor, skal videoverifikation afspilles med det samme, eller endoskopisk undersøgelse skal udføres igen, før patienten vågner
|
Når AI-modellen alarmerer, skal du kontrollere omhyggeligt for at bekræfte læsionen
|
|
B: Model B
Mode B er en forsinket påmindelsestilstand.
Hvis læsionen konstateres under operationen, skal den flyttes til midten af synsfeltet inden for 5 sekunder.
Hvis læsionen er blevet opdaget af AI-modellen (læsionen er cirklet ind på billedet), men lægen ikke flytter læsionen til midten af synsfeltet inden for 5 sekunder, vil AI-systemet give en alarmprompt
|
Når AI-modellen alarmerer, skal du kontrollere omhyggeligt for at bekræfte læsionen
|
|
C: Model C
Mode C er en realtidspåmindelsestilstand, som er en alarmmeddelelse, når fokus fanges i synsfeltet.
|
Når AI-modellen alarmerer, skal du kontrollere omhyggeligt for at bekræfte læsionen
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Ændringer i detektionshastigheden af læsioner i fordøjelseskanalen assisteret af kunstig intelligens gastroenteroskopi
Tidsramme: 2 år
|
Endoskopisk undersøgelse har en høj afhængighed af endoskopers kliniske erfaring og status, og kvaliteten af endoskopisk undersøgelse af endoskopister kan reduceres ved højt belastet arbejde og problemer som ufuldstændig dækning af undersøgelsesstedet, ufuldstændig påvisning af læsioner og ufuldstændig billedopsamling er lette at opstå.
Kunstig intelligens har ikke denne svaghed.
Det reducerer ikke dets evne til at arbejde over en længere periode, og dets bistand forventes at forbedre detektionshastigheden af læsioner
|
2 år
|
|
Nøjagtigheden af AI-assisteret diagnostisk model, der evaluerer tarmens beredskabsscore
Tidsramme: 2 år
|
Kvaliteten af tarmforberedelse bestemmer kvaliteten af koloskopi, som evalueres af endoskopister gennem Boston-score.
Den ai-assisterede diagnostiske model kan også bedømmes automatisk. Boston tarm-score bruges til at bestemme, om tarmen er tilstrækkeligt forberedt.
Boston tarm-score er opdelt i 4 grader (0~3 point) fra dårligste til reneste.
Jo højere scoren er, jo bedre er tarmen forberedt og mere befordrende for koloskopi.
|
2 år
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Studieleder: Cai J Ting, Dr, Second affiliated hospital of school of medicine, zhejiang university
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
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- 研2019-262
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
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 .