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

Automatisk evaluering af sværhedsgraden af ​​gastrisk intestinal metaplasi med patologi kunstig intelligens diagnosesystem

2. september 2023 opdateret af: Yanqing Li, Shandong University

Automatisk evaluering af sværhedsgraden af ​​gastrisk intestinal metaplasi med patologi kunstig intelligens diagnosesystem: en diagnostisk test

OLGIM-stadiesystemet anbefales stærkt til en omfattende vurdering af GIM-sværhedsgraden for at evaluere patienters risiko for mavekræft. Imidlertid er dets behov for at tage mindst 4 biopsier ikke klinisk gennemførligt på grund af en alvorlig mangel på patologer sammenlignet med det store antal mavekræftscreeningspopulationer.

Vi planlægger at udvikle et Digital Pathology Artificial Intelligence-diagnosesystem (DPAIDS), for automatisk at identificere tumorområder i hele diasbilleder (WSI) og hurtigt og præcist kvantificere sværhedsgraden af ​​intestinal metaplasi i henhold til andelen af ​​intestinale metaplasiområder.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Mavekræft er den femte mest udbredte malignitet og den tredje mest dødelige på verdensplan, og intestinal metaplasi (IM) er en almindelig præcancerøs tilstand, der er tæt forbundet med gastrisk carcinogenese. OLGIM-stadiesystemet anbefales stærkt til en omfattende vurdering af GIM-sværhedsgraden. patienters risiko for mavekræft. Imidlertid er dets behov for at tage mindst fire biopsier ikke klinisk gennemførligt på grund af en alvorlig mangel på patologer sammenlignet med det store antal mavekræftscreeningspopulationer. Udvikling af automatiserede screeningsmetoder kan reducere den tunge diagnostiske arbejdsbyrde. Med fremskridt inden for digitale patologiscanningsenheder og deep learning-teknologier er hele diasbilleder (WSI) blevet brugt til at udvikle automatiserede kræftdiagnostiske systemer.

Vi planlægger at udvikle et Digital Pathology Artificial Intelligence-diagnosesystem (DPAIDS), for automatisk at identificere tumorområder i hele diasbilleder (WSI) og hurtigt og præcist kvantificere sværhedsgraden af ​​intestinal metaplasi i henhold til andelen af ​​intestinale metaplasiområder. Derefter vil biopsier blive prospektivt indsamlet og forberedt som WSI til modelvalidering.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

150

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Kina
    • Shandong
      • Jinan, Shandong, Kina, 250012
        • Rekruttering
        • Department of Gastroenterology, Qilu Hospital, Shandong 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

40 år til 75 år (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

På hinanden følgende patienter, der modtager den gastrointestinale endoskopiundersøgelse og screenet, der opfylder berettigelseskriterierne på Qilu Hospital, Shandong University, vil blive tilmeldt undersøgelsen

Beskrivelse

Inklusionskriterier:

  • patienter i alderen 40-75 år, der gennemgår gastroskopiundersøgelsen og biopsien

Ekskluderingskriterier:

  • patienter med alvorlig hjerte-, cerebral, lunge- eller nyredysfunktion eller psykiatriske lidelser, som ikke kan deltage i gastroskopi
  • patienter med tidligere kirurgiske indgreb på maven
  • patienter med kontraindikationer til biopsi
  • patienter, der nægter at underskrive samtykkeerklæringen

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Hele diasbilleder af mavebiopsiprøver
Diagnostisk test: Diagnosen af ​​kunstig intelligens og patologer
Patologer og AI vil vurdere sværhedsgraden af ​​intestinal metaplasi og bedømme tumorområdet af hele diasbilleder af mavebiopsiprøver uafhængigt. Derudover kan patologerne ikke se diagnosen AI.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Den diagnostiske ydeevne af AI-model til at vurdere sværhedsgraden af ​​intestinal metaplasi
Tidsramme: 2 år
Den diagnostiske ydeevne af AI-model til at vurdere sværhedsgraden af ​​intestinal metaplasi i et enkelt biopsivævsglas: Nøjagtighed, sensitivitet og specificitet
2 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Nøjagtighed af den digitale patologiske AI-model til at identificere tumorregioner
Tidsramme: 2 år
Nøjagtighed af den digitale patologiske AI-model til at identificere tumorregioner i hele diasbillederne
2 år
Nøjagtighed af digitale patologiske AI-modeller til at identificere kirtler, slimhindeepitel og intestinal metaplasi i ikke-neoplastiske områder
Tidsramme: 2 år
Nøjagtighed af digitale patologiske AI-modeller til at identificere kirtler, slimhindeepitel og intestinal metaplasi i ikke-neoplastiske områder
2 år

Samarbejdspartnere og efterforskere

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

Sponsor

Shandong University

Efterforskere

  • Studiestol: yanqing Li, MD, PHD, Qilu Hospital, Shandong 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 2022

Primær færdiggørelse (Anslået)

31. december 2023

Studieafslutning (Anslået)

31. december 2023

Datoer for studieregistrering

Først indsendt

3. juli 2022

Først indsendt, der opfyldte QC-kriterier

3. juli 2022

Først opslået (Faktiske)

7. juli 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

6. september 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

2. september 2023

Sidst verificeret

1. september 2023

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2022-SDU-QILU-110

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 Mavekræft

Kliniske forsøg med Diagnosen af ​​kunstig intelligens og patologer

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Turkmenistan

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner