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

Dyb læringsalgoritme til diagnosticering af mave-tarmsygdomme

14. februar 2020 opdateret af: Xiuli Zuo, Shandong University

Udvikling og validering af en dyb læringsalgoritme til diagnosticering af gastrointestinale sygdomme

Formålet med denne undersøgelse er at udvikle og validere en deep learning algoritme til diagnosticering af mave-tarmsygdomme. Evaluer derefter nøjagtigheden af ​​dette nye kunstig intelligens (AI)-assisteret genkendelsessystem i klinikpraksis.

Studieoversigt

Status

Ukendt

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

For nylig har deep learning algoritme baseret på centrale neurale netværk (CNN) vist flere muligheder inden for computerstøttet detektion og computerstøttet diagnose af gastrointestinale læsioner. Der er dog stadig en blank i erkendelse af alle mave-tarmsygdomme. Denne undersøgelse sigter mod at udvikle og validere en dyb læringsalgoritme til diagnosticering af gastrointestinale sygdomme. Evaluer derefter nøjagtigheden af ​​dette nye kunstig intelligens (AI)-assisteret genkendelsessystem i klinikpraksis.

Undersøgelsestype

Interventionel

Tilmelding (Forventet)

100000

Fase

  • Ikke anvendelig

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, 250012
        • Rekruttering
        • Qilu Hospital, Shandong University
        • Kontakt:

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

Beskrivelse

Inklusionskriterier:

  • Deltagere i alderen 18 år eller ældre, som ikke havde fået foretaget en tidligere endoskopi, blev hentet fra alle deltagende hospitaler.

Ekskluderingskriterier:

-

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Diagnostisk
  • Tildeling: N/A
  • Interventionel model: Enkelt gruppeopgave
  • Maskning: Ingen (Åben etiket)

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Eksperimentel: AI overvågning gastrointestinal endoskopi
Efter at have modtaget standard forberedelsesregime, gennemgår patienterne koloskopi eller gastroskopi under AI-monitoreringsenheden. Hele proceduren overvåges af AI-associeret genkendelsessystem. Gastrointestinale sygdomme vil blive opdaget og diagnosticeret, hvor AI-enheden automatisk vil fange relevante billeder og rapportere stedet for hvert segment på skærmen. Histologianalyse er sat som en gylden standard. Derefter vil alle de AI-fangede billeder blive gennemgået af en menneskegruppe, som består af tre til fem erfarne endoskopiske læger.
Enhed: AI til diagnosticering af gastrointestinale sygdomme
Efter at have modtaget standard forberedelsesregime, gennemgår patienterne koloskopi eller gastroskopi under AI-monitoreringsenheden. Hele proceduren overvåges af AI-associeret genkendelsessystem. Gastrointestinale sygdomme vil blive opdaget og diagnosticeret, hvor AI-enheden automatisk vil fange relevante billeder og rapportere stedet for hvert segment på skærmen. Histologianalyse er sat som en gylden standard. Derefter vil alle de AI-fangede billeder blive gennemgået af en menneskegruppe, som består af tre til fem erfarne endoskopiske læger.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Den diagnostiske nøjagtighed af gastrointestinale sygdomme med dyb læringsalgoritme.
Tidsramme: 1 måned
Den diagnostiske nøjagtighed af gastrointestinale sygdomme med dyb læringsalgoritme.
1 måned

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Den diagnostiske følsomhed af gastrointestinale sygdomme med dyb læringsalgoritme.
Tidsramme: 1 måned
Den diagnostiske følsomhed af gastrointestinale sygdomme med dyb læringsalgoritme.
1 måned
Den diagnostiske specificitet af gastrointestinale sygdomme med dyb læringsalgoritme.
Tidsramme: 1 måned
Den diagnostiske specificitet af gastrointestinale sygdomme med dyb læringsalgoritme.
1 måned
Den diagnostiske positive prædiktive værdi af gastrointestinale sygdomme med dyb læringsalgoritme.
Tidsramme: 1 måned
Den diagnostiske specificitet af gastrointestinale sygdomme med dyb læringsalgoritme.
1 måned
Den diagnostiske negative prædiktive værdi af gastrointestinale sygdomme med dyb læringsalgoritme.
Tidsramme: 1 måned
Den diagnostiske specificitet af gastrointestinale sygdomme med dyb læringsalgoritme.
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. januar 2020

Primær færdiggørelse (Forventet)

1. februar 2020

Studieafslutning (Forventet)

1. februar 2020

Datoer for studieregistrering

Først indsendt

7. januar 2020

Først indsendt, der opfyldte QC-kriterier

7. januar 2020

Først opslået (Faktiske)

10. januar 2020

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

18. februar 2020

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

14. februar 2020

Sidst verificeret

1. februar 2020

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2019-SDU-QILU-G710

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

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 Gastrointestinal sygdom

Kliniske forsøg med AI til diagnosticering af gastrointestinale sygdomme

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Argentina

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner