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

Kunstig intelligens i EUS til diagnosticering af faste læsioner i bugspytkirtlen

2. april 2024 opdateret af: Bin Cheng, Huazhong University of Science and Technology

Udnyttelse af kunstig intelligens til udvikling af en EUS-convolution neural netværksmodel trænet til at differentiere bugspytkirtelkræft fra andre faste læsioner i bugspytkirtlen

Vi sigter mod at udvikle en EUS-AI-model, som kan lette klinisk diagnose ved at analysere EUS-billeder og kliniske parametre for patienter.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

EUS anses for at være en mere følsom modalitet end CT til påvisning af faste læsioner i bugspytkirtlen på grund af dens høje rumlige opløsning. Den diagnostiske ydeevne er dog i høj grad afhængig af praktiserendes erfaring og tekniske evner. Derfor sigter vi mod at udvikle en objektiv EUS diagnostisk model baseret på det konvolutionelle neurale netværk, en kunstig intelligensteknik. Derudover tilføjes kliniske parametre såsom risikofaktorer, tumorbiomarkører og radiologifund også til denne kunstige intelligensmodel for at efterligne de faktiske kliniske diagnoseprocedurer og for at øge denne models ydeevne.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

130

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Hubei
      • Wuhan, Hubei, Kina, 430030
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology

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

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Kohorten vil blive udvalgt fra Tongji Hospital, Tongji Medical College, HUST.

Beskrivelse

Inklusionskriterier:

  • Patienter, der har gennemgået EUS ved hjælp af et buet linjearray-ekkoendoskop (GF-UCT260; Olympus Medical Systems) siden 2014 i vores tilknytning.
  • For hver patient er alle tilgængelige native EUS-billeder inkluderet.
  • Patienternes diagnose valideres af kirurgiske resultater eller fund med finnålsaspiration (FNA) og har et kompatibelt klinisk forløb med en opfølgningsperiode på mere end 6 måneder.

Ekskluderingskriterier:

  • Billedet er af dårlig kvalitet.
  • Billederne indeholder unikke mærker, som potentielt kan påvirke modellen, såsom biopsinålen.

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
Bugspytkirtel-EUS
Patienter siden 2014 med EUS-billeder af normal pancreas eller pancreas solide læsioner er blevet inkluderet i denne kohorte.
Diagnostisk test: EUS-AI model
Testundergruppen (ca. 20 % af det samlede antal patienter) er reserveret til den endelige evaluering af EUS-AI-modellen. Kliniske parametre og EUS-billeder af hver patient i testundergruppen vil blive indlæst i den trænede EUS-AI-model, og den mest mulige diagnose vil blive givet af modellen.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Modellens evne til at differentiere bugspytkirtelkræft fra andre faste læsioner i bugspytkirtlen
Tidsramme: Efter at uddannelsesprocessen for EUS-AI-modellen er afsluttet
Receiver operation characteristic (ROC) analyser, sensitivitet, specificitet, nøjagtighed, positiv prædiktiv værdi og negativ prædiktiv værdi vil blive brugt til at evaluere modellens effektivitet.
Efter at uddannelsesprocessen for EUS-AI-modellen er afsluttet

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Modellens evne til at specificere pancreas solide læsioner såsom bugspytkirtelkræft, CP, AIP og NET
Tidsramme: Efter at uddannelsesprocessen for EUS-AI-modellen er afsluttet
Receiver operation characteristic (ROC) analyser, sensitivitet, specificitet, nøjagtighed, positiv prædiktiv værdi og negativ prædiktiv værdi vil blive brugt til at evaluere modellens effektivitet.
Efter at uddannelsesprocessen for EUS-AI-modellen er afsluttet

Samarbejdspartnere og efterforskere

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

Sponsor

Huazhong University of Science and Technology

Samarbejdspartnere

LanZhou University
The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School

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. juli 2022

Primær færdiggørelse (Faktiske)

30. juni 2023

Studieafslutning (Faktiske)

24. januar 2024

Datoer for studieregistrering

Først indsendt

25. juli 2022

Først indsendt, der opfyldte QC-kriterier

25. juli 2022

Først opslået (Faktiske)

27. juli 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

3. april 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

2. april 2024

Sidst verificeret

1. april 2024

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • EUS-AI 2022

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 Duktalt adenokarcinom i bugspytkirtlen

Kliniske forsøg med EUS-AI model

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Spain

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner