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

En multicentrisk valideringsundersøgelse af nøjagtigheden af ​​kunstig intelligens assisteret system i klinisk anvendelse af fordøjelsesendoskopi

7. januar 2021 opdateret af: Renmin Hospital of Wuhan University
Dette er et kunstig intelligens-baseret optisk kunstig intelligens assisteret system, der kan hjælpe endoskopister med at forbedre kvaliteten af ​​endoskopi.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Endoskopisk diagnose og behandling spiller en vigtig rolle i opdagelsen og behandlingen af ​​gastrointestinale sygdomme. Med den hurtige stigning i antallet af endoskopier øges arbejdsbyrden for endoskoper yderligere. Den høje arbejdsbyrde reducerer kvaliteten af ​​endoskopi, hvilket fører til ufuldstændig dækning og ufuldstændig påvisning af læsioner.Med den hurtige stigning i antallet af endoskopier øges endoskopernes arbejdsbyrde yderligere.Den høje arbejdsbyrde reducerer kvaliteten af ​​endoskopi, hvilket fører til ufuldstændig dækning og ufuldstændig påvisning af læsioner.Derfor udføres deep learning og andre kunstig intelligens metoder har god akademisk forskning og praktisk værdi for at forbedre kvaliteten af ​​endoskopisk diagnose og behandling. Forskning og udvikling, test og funktionel evaluering af kunstig intelligens enheder skal bruge et stort antal endoskopiske billeder, og på samme tid, effektiviteten og sikkerheden af kunstig intelligens-enheder skal verificeres på forskellige hospitaler og miljøer. På baggrund af dette har vores forskningsgruppe til hensigt at indsamle endoskopiske billeddata fra forskellige hospitaler til træning og validering af modellen.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

10000

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Hubei
      • Wuhan, Hubei, Kina, 430000
        • Renmin Hospital of Wuhan University

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, OLDER_ADULT)

Tager imod sunde frivillige

N/A

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter, der opfylder optagelseskriterierne for endoskopisk undersøgelse.

Beskrivelse

Inklusionskriterier:

  1. mand eller kvinde på 18 år eller derover;
  2. endoskopi og relaterede undersøgelser bør udføres for yderligere at afklare karakteristikaene ved sygdomme i fordøjelseskanalen;
  3. være i stand til at læse, forstå og underskrive det informerede samtykke;
  4. forskeren mener, at forsøgspersonen kan forstå processen i den kliniske undersøgelse, er villig og i stand til at gennemføre alle undersøgelsesprocedurer og opfølgningsbesøg og samarbejde med undersøgelsesprocedurerne;

Ekskluderingskriterier:

  1. har deltaget i andre kliniske forsøg, underskrevet det informerede samtykke og har været i opfølgningsperioden for andre kliniske forsøg;
  2. stof- eller alkoholmisbrug eller psykisk lidelse inden for de sidste 5 år;
  3. gravide eller ammende kvinder;
  4. forsøgspersoner med tidligere gastrointestinal kirurgi;
  5. forskeren vurderer, at emnet ikke er egnet til endoskopi og tilhørende undersøgelse;
  6. højrisikosygdomme eller andre særlige forhold, som investigator anser for uhensigtsmæssige for forsøgspersonen at deltage i det kliniske forsøg.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtighed
Tidsramme: 2020.1.12-2023.12.31
Beregn nøjagtigheden af ​​AI's vurdering af billeder og videoer. Nøjagtighed er:
2020.1.12-2023.12.31
Følsomhed
Tidsramme: 2020.1.12-2023.12.31
Beregn følsomheden af ​​AI's vurdering af billeder og videoer. Følsomhed er: i stikprøven, der faktisk er positiv, den andel, der vurderes til at være positiv (f.eks. i den person, der er virkelig syg, bedømmes til at være den andel, der er syg af hospitalet), er beregningsmåden forholdet, der sand positiv dividerer sand positiv tilføje falsk negativ (vær faktisk positiv, men dommer er negativ).
2020.1.12-2023.12.31
Specificitet
Tidsramme: 2020.1.12-2023.12.31
Beregn specificiteten af ​​AI's vurdering af billeder og videoer. Specificitet er: i prøverne, der faktisk er negative, beregnes andelen af ​​dem, der vurderes som negative (f.eks. andelen af ​​dem, der ikke faktisk er syge, som af hospitalet vurderes at være ikke syge) som forholdet mellem sand negativ divideret med sand negativ + falsk positiv (faktisk negativ, men vurderet positiv).
2020.1.12-2023.12.31
Positiv forudsigelig værdi (PPV)
Tidsramme: 2020.1.12-2023.12.31
Procentdelen af ​​sandt positive personer i positive testresultater angiver sandsynligheden for, at de positive testresultater tilhører sande tilfælde.
2020.1.12-2023.12.31
Negativ forudsigelig værdi (NPV)
Tidsramme: 2020.1.12-2023.12.31
Procentdelen af ​​sande negative til negative testresultater angiver sandsynligheden for, at de negative testresultater er ikke-tilfælde.
2020.1.12-2023.12.31
Receiver Operation Characteristic (ROC) Curve
Tidsramme: 2020.1.12-2023.12.31

Definition 1: Emnets operationskarakteristiske kurve er en koordinatgraf sammensat af falsk positiv hastighed som den vandrette akse og sand positiv hastighed som den lodrette akse, og kurven tegnet af emnet under specifikke stimulusforhold på grund af de forskellige bedømmelseskriterier.

Definition 2:ROC-kurver blev skabt ved at plotte andelen af ​​sande positive tilfælde (sensitivitet) mod andelen af ​​falsk positive tilfælde (1-specificitet) ved at variere den forudsigelige sandsynlighedstærskel.
2020.1.12-2023.12.31
Area Under the Curve (AUC)
Tidsramme: 2020.1.12-2023.12.31
Beregn arealet under kurven for AI's receiver operation characteristic (ROC) kurve.
2020.1.12-2023.12.31

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
gennemsnitlig gennemsnitlig præcision (mAP)
Tidsramme: 2020.1.12-2023.12.31
mAP sætter en tærskel for gennemsnitlig præcision og tager 1 eller 0, og tager derefter gennemsnittet af summen af ​​gennemsnitspræcision divideret med antallet af værdier.
2020.1.12-2023.12.31
Sørensen-Terning koefficient (F1 score)
Tidsramme: 2020.1.12-2023.12.31
Sørensen-Terning-koefficienten er en statistik, der bruges til at måle ligheden mellem to prøver. F1-score er et vægtet gennemsnit af modellens nøjagtighed og genkaldelse.
2020.1.12-2023.12.31
Tilbagekaldelsesrate
Tidsramme: 2020.1.12-2023.12.31
Procentdelen af ​​positive eksempler på forudsagte par i alle prøver af forudsagte par (inklusive korrekte forudsagte positive eksempler og korrekte forudsagte negative eksempler).
2020.1.12-2023.12.31
Positivt sandsynlighedsforhold
Tidsramme: 2020.1.12-2023.12.31
2020.1.12-2023.12.31
Negativt sandsynlighedsforhold
Tidsramme: 2020.1.12-2023.12.31
2020.1.12-2023.12.31

Samarbejdspartnere og efterforskere

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

Sponsor

Renmin Hospital of Wuhan University

Efterforskere

  • Studieleder: Yu Honggang, MD, Wuhan University Renmin Hospital

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)

31. december 2025

Studieafslutning (FORVENTET)

31. december 2025

Datoer for studieregistrering

Først indsendt

14. januar 2020

Først indsendt, der opfyldte QC-kriterier

14. januar 2020

Først opslået (FAKTISKE)

18. januar 2020

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

8. januar 2021

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

7. januar 2021

Sidst verificeret

1. januar 2021

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • EA-19-006

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

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 Endoskopister henviser til AI for diagnose

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Ecuador

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

3
Abonner