Anvendelse af kunstig intelligens til tidlig diagnose af mavekræft under optisk forstærkning forstørrelsesendoskopi
Studieoversigt
Status
Detaljeret beskrivelse
Mavekræft er den tredjehyppigste årsag til kræftrelaterede dødsfald på verdensplan, især i Asien. Tidlig påvisning og behandling vil helbrede sygdommen med en 5-års overlevelsesrate på mere end 90 %. Dog er følsomheden af konventionel endoskopi med hvidt lys billeddannelse ( C-WLI) i diagnosticering af tidlig gastrisk cancer (EGC'er) er kun 40%. Forstørrende billedforbedret endoskopi (IEE) teknikker såsom forstørrende narrow band imaging (M-NBI) er blevet udviklet, og 2 RCT rapporterer, at hvid-lys-billeddannelse kombineret med M-NBI kan øge følsomheden til 95 %. Strategien, at brug af hvidt-lys-billeddannelse til at opdage den mistænkelige læsion og brug af M-IEE-teknikker til at stille en diagnose af tidlig mavekræft, anbefales ved screening endoskopi.
Optisk forbedring (OE), som er en af M-IEE-teknikkerne, er udviklet af HOYA Co. (Tokyo, Japan). Denne teknologi kombinerer digital signalbehandling og optiske filtre for at rydde visning af slimhindemikrooverflade (MS) og mikrokar (MV). Fordelen ved OE er at overvinde mørket af NBI, hvilket fører til mindre anvendelighed til påvisningsevne i det fuldt udvidede gastrointestinale lumen. Ikke desto mindre er det vanskeligt at differentiere tidlig mavekræft fra ikke-cancerøse læsioner for begyndere, og ekspertise med suboptimale interaktioner -observatøraftale er afgørende for brugen af M-IEE.
I dag har kunstig intelligens (AI) ved hjælp af dyb maskinlæring gjort et stort gennembrud inden for gastroenterologi, som ved hjælp af gradient descent-metode og backpropagation automatisk ekstraherer specifikke billedfunktioner. Den diagnostiske nøjagtighed ved identifikation af øvre gastrointestinal cancer var 0,955 i C-WLI. Polypper kan identificeres i realtid med 96 % nøjagtighed ved screening af koloskopi. AI viser en fremragende anvendelse inden for detektion og diagnose.
Denne undersøgelse har til formål at udvikle en M-OE-hjælpemodel til diagnosticering af EGC'er ved at skelne mellem kræft eller ej.
Undersøgelsestype
Tilmelding (Forventet)
Kontakter og lokationer
Studiesteder
-
-
Shandong
-
Jinan, Shandong, Kina, 250012
- Rekruttering
- Department of Gastroenterology, Qilu Hospital, Shandong University
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- patienter får optisk forstørrelses-OE endoskopiundersøgelse
Ekskluderingskriterier:
- Patienter med fremskreden cancer, lymfom, aktivt stadium af ulcus og kunstigt ulcus efter ESD blev udelukket.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
|---|
|
Patienter, der har brug for, gennemgår forstørrelsesendoskopi
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
diagnoseeffektiviteten af computer-assist diagnoseværktøjet
Tidsramme: 12 måneder
|
følsomheden, specificiteten og nøjagtigheden af computer-assist diagnoseværktøjet
|
12 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Ledende efterforsker: Yanqing Li, PHD, Study Principal Investigator Qilu Hospital, Shandong University
Publikationer og nyttige links
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Forventet)
Studieafslutning (Forventet)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 2018SDU-QILU-3
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 .