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

Automatisk diagnose af tidlig esophageal pladeepitel neoplasi ved hjælp af pCLE med AI

20. oktober 2019 opdateret af: Yanqing Li, Shandong University

Automatisk diagnose af tidlig esophageal pladeepitel neoplasi ved hjælp af probebaseret konfokal laserendomikroskopi med kunstig intelligens

Påvisning og differentiering af esophageal squamous neoplasia (ESN) er af værdi for at forbedre patientresultaterne. Probebaseret konfokal laserendomikroskopi (pCLE) kan diagnosticere ESN nøjagtigt. Dette kræver dog meget erfaring, hvilket begrænser anvendelsen af ​​pCLE. Efterforskerne designede et computerstøttet diagnoseprogram ved hjælp af dybt neuralt netværk til at stille diagnosen automatisk i pCLE-undersøgelse og kontrastere dens ydeevne med endoskopister.

Studieoversigt

Status

Ukendt

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Forventet)

60

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Shandong
      • Jinan, Shandong, Kina, 250001
        • Rekruttering
        • Qilu Hospital, Shandong University
        • Kontakt:
          • Yanqing Li, PhD,MD
          • Telefonnummer: 053182169385

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 til 80 år (VOKSEN, OLDER_ADULT)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

På hinanden følgende patienter, der modtager den øvre mave-tarmkanal pCLE-undersøgelse og screenet, der opfylder berettigelseskriterierne på Qilu Hospital, Shandong University, vil blive tilmeldt undersøgelsen

Beskrivelse

Inklusionskriterier:

  • i alderen mellem 18 og 80; accepterer at give skriftligt informeret samtykke; formodet esophageal slimhindelæsion blev fundet ved hvidt lys endoskopi.

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

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
esophageal mucosal læsioner observeret af pCLE
pCLE bruges til at skelne de formodede læsioner påvist ved hvidt lys endoskopi.
Diagnostisk test: Diagnosen kunstig intelligens og endoskopist
Når formodet esophageal slimhindelæsion observeres ved brug af pCLE, vil endoskopist og AI stille en diagnose uafhængigt. Derudover kan endoskopisten ikke se diagnosen AI.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnoseeffektiviteten af ​​kunstig intelligens
Tidsramme: 3 måneder
Det primære resultat er at teste den diagnostiske nøjagtighed, sensitivitet, specificitet, PPV, NPV af den kunstige intelligens til diagnosticering af esophageal slimhindesygdom på pCLE-undersøgelse i realtid.
3 måneder

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Sammenlign diagnoseeffektiviteten af ​​kunstig intelligens med endoskopister
Tidsramme: 1 måned
Det sekundære resultat er at sammenligne diagnoseeffektiviteten (herunder diagnostisk nøjagtighed, sensitivitet, specificitet, PPV, NPV til diagnosticering af esophageal slimhindesygdom på pCLE-undersøgelse i realtid) mellem kunstig intelligens og endoskopister.
1 måned

Samarbejdspartnere og efterforskere

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

Sponsor

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. august 2019

Primær færdiggørelse (FORVENTET)

1. december 2019

Studieafslutning (FORVENTET)

1. december 2019

Datoer for studieregistrering

Først indsendt

20. oktober 2019

Først indsendt, der opfyldte QC-kriterier

20. oktober 2019

Først opslået (FAKTISKE)

23. oktober 2019

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

23. oktober 2019

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

20. oktober 2019

Sidst verificeret

1. oktober 2019

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2019SDU-QILU-66

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 Esophageale neoplasmer

Kliniske forsøg med Diagnosen kunstig intelligens og endoskopist

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Lithuania

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

3
Abonner