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

Multicenter-anvendelse af et AI-system til diagnosticering af cervikale læsioner baseret på kolposkopibilleder

15. november 2023 opdateret af: Binhua Dong, Fujian Maternity and Child Health Hospital

Multicenteranvendelse af et kunstig intelligenssystem til automatisk realtidsdiagnose af cervikale læsioner baseret på kolposkopibilleder

Anvendelsen af ​​kunstig intelligens til billedgenkendelse af cervikale læsioner er blevet et forskningshotspot i de senere år. Analysen og fortolkningen af ​​kolposkopibilleder spiller en vigtig rolle i diagnosticering, forebyggelse og behandling af cervikale præcancerøse læsioner og livmoderhalskræft. På nuværende tidspunkt er nøjagtigheden af ​​kolposkopi-detektion stadig påvirket af mange faktorer. Forskningen i diagnosesystemet for cervikale læsioner baseret på multimodal dyb læring af kolposkopibilleder er et nyt og væsentligt forskningsemne. Baseret på den store database med cervikale læsionsdiagnosebilleder og ikke-billeder etablerede forskergruppen en multi-source heterogen cervikal læsionsdiagnose-bigdataplatform af ikke-billed- og billeddata. Undersøg læsionssegmenterings- og klassifikationsmodellen for kolposkopibillede baseret på foldet neuralt netværk, udforsk den relevante medicinske datafusionsnetværksmodel, der påvirker diagnosen af ​​cervikale læsioner, og realiser et multimodalt selvlærende kunstig intelligens cervikal læsionsdiagnosesystem baseret på kolposkopi billeder. Anvendelseseffektiviteten af ​​det kunstige intelligens-system i den virkelige verden blev udforsket gennem kohorten, og den intelligente undervisningsmodel og metode til cervikal læsionsdiagnose blev yderligere etableret baseret på ovenstående intelligente system.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Baseret på tidligere undersøgelser og klinisk praksis udførte denne undersøgelse en multicenterapplikation i Fujian-provinsen, Kina. I denne undersøgelse blev Fujian Maternity and Child Health Hospital og Mindong Hospital i Ningde City inkluderet, med i alt 10.000 deltagere, som har gennemgået kolposkopiundersøgelse, blev tilmeldt. For det første vil efterforskerne bygge et multimodalt kunstig intelligens diagnostisk system ved at kombinere kolposkopibilleder med andre ikke-billeddata, såsom resultaterne af HPV-test og Thinprep cytologisk test (TCT) og så videre. Og brug derefter standardiserede kolposkopibilleder og ikke-billede medicinske data af cervikale læsioner i forskellige medicinske institutioner for at verificere effektiviteten af ​​det multimodale intelligente diagnostiske system til cervikale læsioner. Derudover vil efterforskerne etablere kunstig intelligens-kohorter (assisteret af intelligente systemer) og traditionelle lægekohorter (assisteret af eksperter, overlæger og primære læger) for at kontrastere diagnoseresultaterne af det multimodale kunstige intelligens-diagnostiksystem og forskellige niveauer af kolposkopilæger. Og kan også tovejs analysere den diagnostiske effektivitet og forskelle mellem systemet og kolposkopilæger på forskellige niveauer og evaluere ydeevnen af ​​dette diagnostiske system til anvendelser i den virkelige verden.

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

10000

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Kina
      • Nanping, Kina
        • Rekruttering
        • Jianou Maternal and child Health Care Hospital
        • Kontakt:
          • Huihua Ge
      • Ningde, Kina
        • Rekruttering
        • Ningde Hospital affiliated to Ningde Normal University
        • Kontakt:
          • Wenfang Jin
      • Quanzhou, Kina
        • Rekruttering
        • Quanzhou First Hospital
        • Kontakt:
          • Yuchun Lv
    • Fujian
      • Fuzhou, Fujian, Kina, 350001
        • Rekruttering
        • Fujian Maternity and Child Health Hospital
        • Kontakt:
      • Ningde, Fujian, Kina, 352000
        • Rekruttering
        • MinDong Hospital of Ningde City
        • Kontakt:
          • Fang Xie, M.D
          • Telefonnummer: +8613860388999

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

Ja

Beskrivelse

Inklusionskriterier:

  • Gift kvinde
  • Kvinde på 18 år og derover
  • Kvinde med intakt livmoderhals
  • Patienter med unormale resultater i livmoderhalskræftscreening
  • Være i stand til at forstå denne undersøgelse og have underskrevet et skriftligt informeret samtykke

Ekskluderingskriterier:

  • Kvinde med akut inflammation i forplantningsorganerne
  • Historie om bækkenstrålebehandlingskirurgi
  • Kvinde med psykisk lidelse
  • Patienter med anamnese med andre maligne tumorer
  • Nægt at deltage i denne undersøgelse

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: Randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Tredobbelt

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Aktiv komparator: Diagnosegruppe for kunstig intelligens
Kvinder, der viser abnormiteter i livmoderhalskræftscreening og kræver henvisning til kolposkopi. Kolposkopi blev udført ved hjælp af et kunstig intelligens (AI) system.
Diagnostisk test: Diagnose af kunstig intelligens
Deltagerne blev opdelt i interventionsgruppen og kontrolgruppen ved hjælp af en tilfældig taltabel. Interventionsgruppens deltageres cervikale kolposkopiske billeddata og ikke-billeddata som følger: alder, infektion med højrisiko humant papillomavirus (HR-HPV), typen af ​​HR-HPV-infektion, varigheden af ​​HR-HPV-infektion, cervikal cytologi (TCT) resultater, hiv/seksuelt overført infektionshistorie, ægteskabshistorie og fødselshistorie, første seksuelle livshistorie, seksuel partnerhistorie, rygehistorie, orale præventionshistorier, brug af immunmedicin og mulige kliniske symptomer på cervikale læsioner såsom postcoital blødning , unormale skedesekret, vaginale blødningssymptomer osv.
Ingen indgriben: Gynækolog diagnosegruppe
Kvinder, der viser abnormiteter i livmoderhalskræftscreening og kræver henvisning til kolposkopi. Kolposkopi udføres uafhængigt af en gynækolog uden ekstern assistance.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
HPV test
Tidsramme: o måned
Cervikale eksfolierede celler blev indsamlet til HPV-testning
o måned
Cervikal cytologi test
Tidsramme: 0 måned
Cervikale eksfolierede celler blev indsamlet til cytologisk og patologisk undersøgelse.
0 måned
Cervikal histopatologisk undersøgelse
Tidsramme: 0 måned
Cervikalt væv blev opsamlet til histopatologisk undersøgelse
0 måned
Nøjagtighed af CIN2+ diagnose
Tidsramme: 0 måned
Nøjagtighed i diagnosticering af cervikal intraepitelial neoplasi grad 2 eller værre.
0 måned
Nøjagtighed af CIN3+ diagnose
Tidsramme: 0 måned
Nøjagtighed i diagnosticering af cervikal intraepitelial neoplasi grad 3 eller værre.
0 måned

Samarbejdspartnere og efterforskere

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

Sponsor

Fujian Maternity and Child Health Hospital

Efterforskere

  • Studiestol: Pengming Sun, PhD, Fujian Maternity and Child Health Hospital, Affiliated Hospital of Fujian Medical 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 2021

Primær færdiggørelse (Anslået)

1. august 2024

Studieafslutning (Anslået)

1. september 2024

Datoer for studieregistrering

Først indsendt

7. marts 2022

Først indsendt, der opfyldte QC-kriterier

7. marts 2022

Først opslået (Faktiske)

16. marts 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

16. november 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

15. november 2023

Sidst verificeret

1. november 2023

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • AICC2203

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 Diagnose af kunstig intelligens

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in France

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

3
Abonner