Validering af led-AI ved diagnosticering af faste læsioner i bugspytkirtlen
Validering af en multimodal kunstig intelligensmodel ved diagnosticering af faste læsioner i bugspytkirtlen: et prospektivt, multicenter, randomiseret, kontrolleret forsøg
Dette kliniske forsøg har til formål at lære, om en multimodal kunstig intelligens (AI) model kan forbedre diagnosen af faste læsioner i bugspytkirtlen. De vigtigste spørgsmål, den sigter mod at besvare er:
- Forbedrer AI-modellen den diagnostiske ydeevne af endoskopister til at diagnosticere faste læsioner i bugspytkirtlen?
- Forbedrer tilføjelsen af fortolkningsanalyse yderligere den diagnostiske ydeevne hos de assisterede endoskopister? Forskere vil sammenligne endoskopisters diagnostiske ydeevne med eller uden hjælp fra AI-modellen.
Deltagerne vil:
- Deres kliniske data vil blive indsamlet prospektivt.
- De vil blive randomiseret til AI-hjælpegruppen og den konventionelle diagnosegruppe.
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Fase
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Bin Cheng
- Telefonnummer: 86-13986097542
- E-mail: b.cheng@tjh.tjmu.edu.cn
Studiesteder
-
-
Hubei
-
Wuhan, Hubei, Kina, 430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
Kontakt:
- Bin Cheng
- Telefonnummer: 86-13986097542
- E-mail: b.cheng@tjh.tjmu.edu.cn
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Billeddiagnostiske undersøgelser (MRI, CT, B-ultralyd) viser en fast masse i bugspytkirtlen, hvilket kræver endoskopisk ultralydsstyret-finnålsaspiration/biopsi (EUS-FNA/B) for at afklare læsionens karakter hos patienter.
- Der gives skriftligt samtykke
Ekskluderingskriterier:
- Alder under 18 år
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Dobbelt
Antal våben
Våben og indgreb
Deltagergruppe / ArmDeltagergruppe / Arm |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Ingen indgriben: Konventionel diagnose
Endoskopister diagnosticerer faste læsioner i bugspytkirtlen i henhold til endoskopiske ultralydsbilleder og kliniske data.
|
|
|
Eksperimentel: Led-AI assisteret diagnose
Endoskopister diagnosticerer faste læsioner i bugspytkirtlen baseret på endoskopiske ultralydsbilleder, kliniske data og forudsigelser lavet af Joint-AI-modellen.
|
Forudsigelser givet af Joint-AI-modellen vil blive givet til endoskoperne under deres diagnose
|
|
Eksperimentel: Tolkbar Joint-AI assisteret diagnose
Endoskopister diagnosticerer faste læsioner i bugspytkirtlen baseret på endoskopiske ultralydsbilleder, kliniske data, forudsigelser givet af Joint-AI og fortolkningsanalyseresultater, der bruges til at forbedre gennemsigtigheden af beslutningsprocessen for Joint-AI-modellen.
|
Forudsigelser givet af Joint-AI-modellen og resultaterne af fortolkningsanalysen vil blive givet til endoskoperne under deres diagnose
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Graden af korrekt diagnostisk klassificering med hjælp fra Joint-AI-modellen
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Hyppigheden af korrekte diagnoser ved at skelne bugspytkirtelkræft fra andre ikke-kræftlæsioner, bestemt ved at sammenligne endoskopistdiagnose assisteret af Joint-AI-modellen med den endelige histopatologiske diagnose (referencestandard).
|
Gennem studieafslutning i gennemsnit 1 år
|
|
Graden af korrekt diagnostisk klassificering med hjælp fra den fortolkbare Joint-AI-model
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Hyppigheden af korrekte diagnoser ved at skelne bugspytkirtelkræft fra andre ikke-kræftlæsioner, bestemt ved at sammenligne endoskopistiske vurderinger assisteret af Interpretable Joint-AI-modellen med den endelige histopatologiske diagnose (referencestandard)
|
Gennem studieafslutning i gennemsnit 1 år
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Rate for korrekt diagnostisk klassificering af Joint-AI-modellen og den fortolkbare Joint-AI-model
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Diagnostisk nøjagtighed af AI-modellerne i dette prospektivt indsamlede datasæt.
|
Gennem studieafslutning i gennemsnit 1 år
|
|
Endoskopist-rapporteret konfidensscore ved diagnose med AI-assistance (scoren er på en skala fra 0%-100%, hvor 0 repræsenterer "slet ikke sikker" og 100 repræsenterer "fuldstændig sikker")
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Endoskopist-rapporteret tillid til diagnose vil blive målt på en skala fra 0 til 100, hvor 0 repræsenterer "slet ikke sikker" og 100 repræsenterer "fuldstændig sikker."
Højere score indikerer større diagnostisk sikkerhed.
Tillidsscorerne vil blive vurderet separat for diagnoser stillet ved hjælp af Joint-AI-modellen og den fortolkbare Joint-AI-model.
|
Gennem studieafslutning i gennemsnit 1 år
|
|
Rate af korrekt diagnostisk klassificering af endoskopister uden AI-hjælp
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Gennem studieafslutning i gennemsnit 1 år
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
Studiestart
Primær færdiggørelse (Anslået)
Primær færdiggørelse
Studieafslutning (Anslået)
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
- Sygdomme i det endokrine system
- Patologiske processer
- Neoplasmer efter sted
- Kronisk sygdom
- Sygdomsegenskaber
- Autoimmune sygdomme
- Sygdomme i immunsystemet
- Neoplasmer i fordøjelsessystemet
- Sygdomme i fordøjelsessystemet
- Neoplasmer i endokrine kirtler
- Pancreassygdomme
- Pancreatitis, kronisk
- Autoimmun pancreatitis
- Neoplasmer
- Pancreatitis
- Bugspytkirtel neoplasmer
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- Joint-AI 2024
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
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 .