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

Kunstig intelligens til bestemmelse af gastroskopiovervågningsintervaller

19. november 2022 opdateret af: Xiuli Zuo

Udvikling og validering af anbefalinger til gastroskopiovervågning baseret på naturlig sprogbehandling for patienter med gastrisk cancer og præcancerøse sygdomme

Formålet med denne undersøgelse er at udvikle og validere et klinisk beslutningsstøttesystem baseret på automatiserede algoritmer. Dette system kan bruge naturlig sprogbehandling til at udtrække data fra patienters endoskopiske rapporter og patologiske rapporter, identificere patienters sygdomstyper og -grader og generere retningslinjer baseret på opfølgning eller behandlingsanbefalinger.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Forventet)

2000

Kontakter og lokationer

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

Studiesteder

  • Kina
    • Shandong
      • Jinan, Shandong, Kina, 250012
        • Qilu Hospital, Shandong 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 til 80 år (Voksen, Ældre voksen)

Tager imod sunde frivillige

N/A

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

patienter, der kom til Qilu Hospital ved Shandong University og modtog endoskopiundersøgelse, men ikke terapeutisk endoskopi

Beskrivelse

Inklusionskriterier:

  • Patienter i alderen 18 - 80 år
  • Patienterne gennemgik endoskopisk undersøgelse

Ekskluderingskriterier:

  • Patienter med kontraindikationer til endoskopisk undersøgelse
  • Patienter med ufuldstændige undersøgelsesoplysninger
  • Patienter gennemgår endoskopi til terapi
  • Patienter har tidligere haft øvre gastrointestinale kirurgi
  • Patienter med duodenale eller laryngeale neoplasmer
  • Patienter med gastrointestinal submucosal tumor

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Observationsmodeller: Andet
  • Tidsperspektiver: Tilbagevirkende kraft

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Beslutningsgruppe for kunstig intelligens
I henhold til de endoskopiske rapporter og patologiske rapporter genkender beslutningsstøttesystemet patienternes sygdomstyper og -grader og genererer retningslinjer baseret på overlevelse eller behandlingsanbefalinger.
Andet: AI genkender sygdom og genererer anbefalinger
I henhold til de endoskopiske rapporter og patologiske rapporter genkender beslutningsstøttesystemet patienternes sygdomstyper og -grader og genererer retningslinjer baseret på overlevelse eller behandlingsanbefalinger.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Den diagnostiske nøjagtighed af mavesygdomme med dyb læringsalgoritme
Tidsramme: 12 måneder
Den diagnostiske nøjagtighed af mavesygdomme med dyb læringsalgoritme
12 måneder
Nøjagtigheden af ​​anbefalinger for forskellige sygdomme med dyb læringsalgoritme
Tidsramme: 12 måneder
Nøjagtigheden af ​​anbefalinger for forskellige sygdomme med dyb læringsalgoritme
12 måneder

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Den diagnostiske følsomhed af mavesygdomme med deep learning algoritme
Tidsramme: 12 måneder
Den diagnostiske følsomhed af mavesygdomme med deep learning algoritme
12 måneder
Den diagnostiske specificitet af mavesygdomme med deep learning algoritme
Tidsramme: 12 måneder
Den diagnostiske specificitet af mavesygdomme med deep learning algoritme
12 måneder
Den diagnostiske positive prædiktive værdi af mavesygdomme med dyb læringsalgoritme
Tidsramme: 12 måneder
Den diagnostiske positive prædiktive værdi af mavesygdomme med dyb læringsalgoritme
12 måneder
Den diagnostiske negative prædiktive værdi af mavesygdomme med dyb læringsalgoritme
Tidsramme: 12 måneder
Den diagnostiske negative prædiktive værdi af mavesygdomme med dyb læringsalgoritme
12 måneder
F-score for mavesygdomme med dyb læringsalgoritme
Tidsramme: 12 måneder
F-score for mavesygdomme med dyb læringsalgoritme
12 måneder

Samarbejdspartnere og efterforskere

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

Sponsor

Xiuli Zuo

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. januar 2012

Primær færdiggørelse (Faktiske)

31. oktober 2022

Studieafslutning (Forventet)

31. december 2023

Datoer for studieregistrering

Først indsendt

19. november 2022

Først indsendt, der opfyldte QC-kriterier

19. november 2022

Først opslået (Faktiske)

30. november 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

30. november 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

19. november 2022

Sidst verificeret

1. november 2022

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2022-SDU-QILU-G008

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 .

Abonner