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

Effektiviteten af ​​et Ai-baseret endoskopisk ultralydsnavigationssystem i træningen af ​​endoskopisk ultralyd

22. august 2023 opdateret af: Renmin Hospital of Wuhan University

Gennemførlighed og effektivitet af et Ai-baseret endoskopisk ultralydsnavigationssystem i træningen af ​​endoskopisk ultralyd - et prospektivt, randomiseret, enkeltcenter klinisk forsøg

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. Denne undersøgelse havde til formål at verificere gennemførligheden og effektiviteten af ​​det biliopancreatiske mastersystem udviklet af vores projektteam til at forkorte uddannelsesperioden for ultralydsendoskopister gennem et enkelt-center klinisk studie.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

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

Interventionel

Tilmelding (Anslået)

12

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

    • Guangdong
      • Shenzhen, Guangdong, Kina, 518066
    • Hubei
      • Wuhan, Hubei, Kina, 430060
        • 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, Ældre voksen)

Tager imod sunde frivillige

Ingen

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

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

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

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

Efterforskere

  • Ledende efterforsker: Yu Honggang, Doctor, Renmin Hospital of Wuhan 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 (Anslået)

8. oktober 2023

Primær færdiggørelse (Anslået)

31. maj 2024

Studieafslutning (Anslået)

31. maj 2024

Datoer for studieregistrering

Først indsendt

21. maj 2022

Først indsendt, der opfyldte QC-kriterier

12. juni 2022

Først opslået (Faktiske)

16. juni 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

24. august 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

22. august 2023

Sidst verificeret

1. maj 2023

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)?

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 Endoskopisk ultralyd

Kliniske forsøg med Kunstig intelligens assisteret system

3
Abonner