- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05421520
Effektiviteten af et Ai-baseret endoskopisk ultralydsnavigationssystem i træningen af endoskopisk ultralyd
Gennemførlighed og effektivitet af et Ai-baseret endoskopisk ultralydsnavigationssystem i træningen af endoskopisk ultralyd - et prospektivt, randomiseret, enkeltcenter klinisk forsøg
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Endoskopisk ultralyd er afgørende for diagnosticering og behandling af galde- og bugspytkirtelsygdomme. Den samlede forekomst af galde- og bugspytkirtelsygdomme er så høj som 121/100.000, hvilket forårsager omkring 14,3/100.000 dødsfald på verdensplan hvert år, hvilket udgør en alvorlig trussel mod sundhed og sikkerhed for hele menneskeheden. Det biliopancreatiske system er placeret dybt inde i bughulen, som er relativt vanskelig at undersøge og mangler specifikke symptomer i det tidlige stadie af sygdommen. Derfor er prognosen dårlig, og den femårige overlevelsesrate er lav. Biliopancreatisk ultralydsendoskopi kan opnå tværsnittet af det biliopancreatiske system gennem ultralydsdetektion, indsamle vævsprøver til patologisk biopsi gennem punkturen og udføre operationer såsom skylning og dræning, radiofrekvensablation, abdominal ganglionblokering og gastrojejunostomi. Enheden integrerer detektion og behandling. Med hensyn til påvisning er endoskopisk ultralyd tæt på læsionsvævet og kan undgå at påvirke bughulens væg, gastrointestinale gasser og andre organer. Sammenlignet med røntgen, CT, MR og forskellige in vitro-detektionsmetoder har endoskopisk ultralyd tekniske fordele med høj opløsning, ingen ioniserende stråling og solid realtidsydelse. Behandlingsmæssigt har endoskopisk ultralydsstyret punktering gennem naturligt lumen karakteristika af minimalt invasiv, lavere kirurgisk risiko og omkostninger sammenlignet med kirurgisk behandling, hvilket kan forbedre prognosen for patienter med galde- og bugspytkirtelsygdomme væsentligt. Biliopancreatisk endoskopisk ultralyd er afgørende for diagnosticering og behandling af biliopancreatiske systemsygdomme.
Grundlaget for endoskopisk ultralydsdiagnose og behandling ligger i den nøjagtige identifikation og lokalisering af læsioner ved hjælp af ultralydsbilleder. Ultralydsbilleder er tværsnitsbilleder af menneskeligt væv, hovedsageligt indeholdende teksturinformation, som er svær at genkende af de nøgne menneskelige øjne; for endoskopi, læger, der mangler professionel uddannelse og langsigtet praksis, vanskeligt nøjagtigt at identificere de anatomiske tegn i billederne, hvilket signifikant påvirker nøjagtigheden af identifikation og lokalisering af biliopancreatiske læsioner. På grund af den lave billedgenkendelse af ultralydsendoskopi er operationen af ultralydsendoskopi vanskelig, og træningscyklussen er meget lang. Konventionelle europæiske og amerikanske endoskopiske ultralydstræningsprogrammer varede i tre år, men i en klinisk undersøgelse bestod to tredjedele af de læger, der deltog i standardtræningsprogrammet, ikke evnevurderingen af endoskopisk ultralyd. Selvom ultralydsendoskopi er en af de mest følsomme metoder til diagnosticering af kræft i bugspytkirtlen, er følsomheden (87,8 %) stadig væsentligt utilstrækkelig sammenlignet med optisk endoskopi til diagnosticering af mavekræft (96 %) og tyktarmskræft (97,1 %). Eksistensen af dette problem betyder, at den eksisterende uddannelse i ultralydsendoskopi skal optimeres. I de senere år har kunstig intelligens (AI) maskinsynsteknologi udviklet sig hurtigt og er blevet meget brugt inden for transport, finans, medicin og andre områder. Adskillige undersøgelser har vist, at den diagnostiske evne af AI har overgået den hos menneskelige eksperter i nogle sygdomme, og nogle undersøgelser har bekræftet gennemførligheden af anvendelsen af AI i endoskopisk ultralydsbilledgenkendelse. I en tidligere undersøgelse blev en kunstig intelligensmodel brugt til at assistere ultralydsendoskopister med ultralydsfilmaflæsning, hvilket signifikant kunne forbedre lægernes nøjagtighed i billedpositionering og anatomisk markørsegmentering. I det tidlige stadie konstruerede efterforskerne med succes et kunstig intelligens-modelbaseret ultralydsendoskopi-assisteret filmlæsesystem og navngav det modificerede system biliopancreatic Master. Systemet kan realisere ultralydsstationsgenkendelse i realtid og anatomisk mærkegenkendelse og give læger tilsvarende operationsteknikker.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Yu Honggang, Doctor
- Telefonnummer: 13871281899
- E-mail: yuhonggang@whu.edu.cn
Undersøgelse Kontakt Backup
- Navn: : Yu Honggang, Doctor
- Telefonnummer: : 13871281899
- E-mail: yuhonggang@whu.edu.cn
Studiesteder
-
-
Guangdong
-
Shenzhen, Guangdong, Kina, 518066
- The Eighth Affiliated Hospital, Sun Yat-Sen University
-
Kontakt:
- Honglei Chen, Doctor
- E-mail: chenhlei3@mail.sysu.edu.cn
-
-
Hubei
-
Wuhan, Hubei, Kina, 430060
- Renmin Hospital of Wuhan University
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Mand eller kvinde på 18 år eller derover;
- Endoskopisk ultralyd og relaterede undersøgelser er nødvendige for yderligere at identificere karakteristika ved sygdomme i fordøjelseskanalen; .Kunne læse, forstå og underskrive informeret samtykke.
Ekskluderingskriterier:
- Stof- eller alkoholmisbrug eller psykisk lidelse inden for de sidste 5 år;
- Kvinder, der er gravide eller ammer;
- Anatomiske ændringer forårsaget af tidligere øvre gastrointestinale kirurgi;
- Patienter med fremskredne tumorer, der resulterer i unormal anatomisk struktur i den øvre fordøjelseskanal.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Sundhedstjenesteforskning
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
---|---|
Eksperimentel: En novice med ai-assisteret assistance
Når patienter tilfældigt tildeles forsøgsgruppen, vil den besøgende læge udføre endoskopisk ultralyd ved hjælp af det ai-assisterede system
|
Et dybt læringsbaseret galdevejsscanningssystem, der kan få endoskopister til at scanne standardstationer, identificere galdegange og sten i realtid
|
Ingen indgriben: En novice uden ai-assisteret assistance
Når patienterne blev tilfældigt tildelt kontrolgruppen, ville den besøgende læge ikke udføre endoskopisk ultralyd med hjælp fra det AI-assisterede system
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Læringscyklus for ultralydsendoskoper
Tidsramme: Ikke mere end 1 år
|
Antallet af guidede undersøgelser, der kræves af praktikanterne for at opnå niveauet af stabil uafhængig drift af ultralydsendoskopi
|
Ikke mere end 1 år
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Operationsvarighed af ultralydsendoskoper
Tidsramme: Ikke mere end 1 år
|
Den tid, det tager at fuldføre hver operation, fra begyndelsen til slutningen af operationen
|
Ikke mere end 1 år
|
Samarbejdspartnere og efterforskere
Efterforskere
- Ledende efterforsker: Yu Honggang, Doctor, Renmin Hospital of Wuhan University
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
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
Andre undersøgelses-id-numre
- EA-22-005
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
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 .
Kliniske forsøg med Endoskopisk ultralyd
-
Seoul National University HospitalAfsluttetEndobronchial Ultrasound Guided Transbronchial Needle AspirationKorea, Republikken
-
Kyunghee University Medical CenterAfsluttetIntraplaque neovaskularisering evalueret af carotis Enhanced Ultrasound Afspejler plaquesårbarheden godtKorea, Republikken
-
Rajiv Gandhi Cancer Institute & Research Center...AfsluttetObjektiv vurdering af stemmebåndsbevægelse af C-Mac Videolaryngoscope vs Airway Ultrasound i Ca ThyroidIndien
-
Zagazig UniversityRekrutteringof Lung Ultrasound in Diagnosis of Acute Respiratory Distress SyndromeEgypten
Kliniske forsøg med Kunstig intelligens assisteret system
-
Seattle Children's HospitalFlorida International UniversityIkke rekrutterer endnuAttention Deficit Hyperactivity Disorder
-
Dr. Cristobal EstebanOsakidetzaRekruttering
-
Mayo ClinicTilmelding efter invitation
-
NeoChordAfsluttetMitralklap opstødDanmark, Tyskland, Italien, Litauen
-
TKL Research, Inc.Nordson MicromedicsUkendtKorrektion af nasolabiale folderForenede Stater
-
Valduce HospitalAfsluttet
-
Baskent UniversityHacettepe UniversityAfsluttetProtesebruger | Kunstige lemmer | AmputeredeKalkun
-
West China HospitalIkke rekrutterer endnuKunstig intelligens | Atopisk dermatitis
-
SynCardia Systems. LLCGodkendt til markedsføring
-
Fondazione Don Carlo Gnocchi OnlusRekrutteringSlag | Multipel sclerose | Parkinsons sygdom | Erhvervet hjerneskadeItalien