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

Colitis ulcerosa Mayo-score med kunstig intelligens

14. april 2022 opdateret af: Yanling Wei, Third Military Medical University

Forskning i kunstig intelligens-baseret Mayo Score-genkendelsessystem for sygdomsaktivitetsgrad af colitis ulcerosa under fordøjelsesendoskopi

Dette projekt vil bruge dyb læring til at klassificere koloskopibilleder af forskellig sværhedsgrad af colitis ulcerosa, for at hjælpe klinikere med den nøjagtige diagnose af colitis ulcerosa.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Detaljeret beskrivelse

I dette projekt blev kunstig intelligens brugt til koloskopiske billeder af patienter med colitis ulcerosa med forskellige sygdomsaktivitetsniveauer og klassificere dem i henhold til evalueringsstandarden Mayo-score for at hjælpe endoskopister med at identificere sygdomsaktivitetsniveauer hos patienter med colitis ulcerosa under koloskopi. Det kan hjælpe kliniske endoskopister til nøjagtigt at identificere, og visualiseringsteknologien for kunstig intelligens kategori responskort kan udførligt vise områder med stor betydning for dybe netværksklassificeringsresultater og visualisere de eksperimentelle læsionssteder og dermed effektivt verificere pålideligheden og fortolkningen af ​​dybe netværk . Denne undersøgelse kan give stærk støtte til nøjagtig identifikation af sygdomsaktivitet i klinisk colitis ulcerosa, effektivt reducere klinikernes arbejdsbyrde og give et praktisk, effektivt og praktisk klinisk undervisningsværktøj.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

500

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Kina
    • Chongqing
      • Chongqing, Chongqing, Kina, 400042
        • Third Military Medical 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 til 72 år (VOKSEN, OLDER_ADULT)

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Billederne blev hentet fra endoskopidatabasen fra Army Medical Center i PLA og opnået fra koloskopi af patienter med colitis ulcerosa, som opfyldte inklusionskriterierne. Databillederne blev brugt til at etablere og verificere modellen for et ai-assisteret genkendelsessystem.

Beskrivelse

Inklusionskriterier:

  1. Forsøgspersonerne var 18-72 år gamle, mænd og kvinder;
  2. Klinisk diagnose af colitis ulcerosa;
  3. Forsøgspersonerne gennemgik koloskopi, og koloskopirapporten var komplet.

Ekskluderingskriterier:

  1. Forsøgspersonerne er yngre end 18 år eller ældre end 72 år;
  2. Forsøgspersonerne gennemgik kolektomi, ileostomi, kolostomi, ileostomi eller anden intestinal resektion;
  3. personer med tvetydig diagnose.

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
Nøjagtigheden af ​​en dyb læringsmodel i trænings- og valideringsdatasætvurderingen af ​​Mayo-score hos ulcerøs colitispatienter.
Tidsramme: Gennem studieafslutning i gennemsnit 1 år.
I trænings- og valideringsdatasættene plottede vi AUC (areal under kurve) for Mayo 0, Mayo 1, Mayo 2 og Mayo 3 for at evaluere vores model objektivt.
Gennem studieafslutning i gennemsnit 1 år.

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtigheden og tidseffektiviteten af ​​endoskopisters vurdering af Mayo-score hos colitis ulcerosapatienter.
Tidsramme: Gennem studieafslutning i gennemsnit 1 år.
Datasættene blev tilfældigt tildelt til endoskopister. Alle endoskopister var uddannet i diagnostiske undersøgelser, afsluttede både klinisk og specifik endoskopisk træning og var ikke involveret i indskrivning og mærkning af patienter og billeder. Under sammenligningstesten blev alle data randomiseret og afidentificeret på forhånd. Den gennemsnitlige tid brugt af 10 endoskopister på at diagnosticere testdatasættet i deep learning-modellen og antallet af korrekte tilfælde blev analyseret.
Gennem studieafslutning i gennemsnit 1 år.

Samarbejdspartnere og efterforskere

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

Sponsor

Third Military Medical University

Efterforskere

  • Studieleder: Yanling Wei, Professor, Third Military 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 (FORVENTET)

1. april 2022

Primær færdiggørelse (FORVENTET)

1. december 2022

Studieafslutning (FORVENTET)

1. juni 2023

Datoer for studieregistrering

Først indsendt

27. februar 2022

Først indsendt, der opfyldte QC-kriterier

14. april 2022

Først opslået (FAKTISKE)

20. april 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

20. april 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

14. april 2022

Sidst verificeret

1. april 2022

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • TMMU-DP--002

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 Colitis ulcerosa

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Djibouti

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner