- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05706415
AI hjalp med at diagnosticere faste læsioner i bugspytkirtlen
21. januar 2023 opdateret af: Changhai Hospital
Forbedret dyb læringsmodel til diagnosticering af faste læsioner i bugspytkirtlen gennem multimodale kliniske billeder
Faste læsioner af bugspytkirtlen omfatter hovedsageligt tumor- og ikke-tumorlæsioner.
Mere end 90 % af bugspytkirteltumorlæsioner er bugspytkirtelkræft, som er karakteriseret ved høj dødelighed og dårlig prognose og kræver kirurgisk behandling; Ikke-tumorlæsioner i bugspytkirtlen er hovedsageligt inflammatoriske læsioner, som normalt ikke kræver kirurgisk behandling, men kan behandles med lægemidler.
De almindelige er kronisk pancreatitis og autoimmun pancreatitis, med en god prognose.
Klinisk er differentialdiagnosen mellem dem meget vanskelig.
Tværfaglig diagnose og behandling af MDT gør vores forståelse af bugspytkirtelsygdomme stadig mere rig og dybdegående.
Fra sygdomsdiagnose til præoperativ evaluering og evaluering af helbredende effekt involverer ikke-invasiv billeddannelse næsten alle forbindelser under MDT-tilstand.
I lyset af dette vil en forbedring af differentialdiagnosen af pancreas solide rumoptager læsioner på billeddannelse være mere befordrende for diagnosen og behandlingen under MDT-tilstand, så nye teknologier såsom kunstig intelligens bør overvejes.
Vores mål er at udvikle et klinisk anvendeligt kunstig intelligenssystem, som bruger flere tilstande til at simulere den rutinemæssige kliniske arbejdsgang og hjælpe med diagnosticering af godartede og ondartede pancreas solide rumoptagere læsioner.
Studieoversigt
Status
Rekruttering
Intervention / Behandling
Detaljeret beskrivelse
Diagnosen af solide bugspytkirtellæsioner er udfordrende, MDT er en meget effektiv metode, men den har en vis fejldiagnoserate.
Dette er et multicenter, prospektivt og observationelt klinisk studie.
Vores mål er at udvikle et klinisk anvendeligt kunstig intelligenssystem.
På den ene side kan vores kunstige intelligens baseret på kliniske data+CT-billedbilleder hjælpe MDT-læger med at diagnosticere arten af bugspytkirtlens rumoptagende læsioner og reducere fejldiagnosticering; På den anden side, hvis en patient har brug for EUS-FNA-punktur, kan det multimodale kunstige intelligenssystem baseret på kliniske data+CT+EUS udviklet af os hjælpe MDT-læger med at forstå arten af bugspytkirtlens rumoptagere læsioner og reducere sandsynligheden for fejldiagnosticering eller sekundær punktering.
Undersøgelsestype
Observationel
Tilmelding (Forventet)
200
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
Shanghai
-
Shanghai, Shanghai, Kina, 200433
- Rekruttering
- CT and EUS
-
Kontakt:
- Zhaoshen Li
- Telefonnummer: 86-21-31162338
- E-mail: changhaiec@126.com
-
-
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 75 år (VOKSEN, OLDER_ADULT)
Tager imod sunde frivillige
N/A
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Patienter, der havde pancreas solid masse vil blive optaget i vores undersøgelse.
Beskrivelse
Inklusionskriterier:
- pancreas fast masse i CT og EUS
Ekskluderingskriterier:
- utilstrækkelig billeddannelseskvalitet af CT eller EUS
- endoskopisk ultralyd ikke-tilgængelige læsioner
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 |
|---|---|
|
patienter med faste læsioner af bugspytkirtlen
|
Der er ingen indgriben.
Klinikere vil gennemgå forslagene til en hypotetisk AI
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Forskere bruger kunstig intelligens (AI) støttesystem til at hjælpe med diagnosticering af pancreas solide rumoptager læsioner
Tidsramme: 2 måneder
|
Et multi-lags screening dybt foldningsnetværk baseret på dybt foldningsnetværk blev udviklet for at observere dets nøjagtighed, følsomhed og specificitet ved at hjælpe MDT-læger med at identificere godartede og ondartede bugspytkirtels rumoptagende læsioner.
|
2 måneder
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
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 (FORVENTET)
21. januar 2023
Primær færdiggørelse (FORVENTET)
21. februar 2023
Studieafslutning (FORVENTET)
21. februar 2023
Datoer for studieregistrering
Først indsendt
21. januar 2023
Først indsendt, der opfyldte QC-kriterier
21. januar 2023
Først opslået (FAKTISKE)
31. januar 2023
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (FAKTISKE)
31. januar 2023
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
21. januar 2023
Sidst verificeret
1. januar 2023
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 2022-AI and MDT
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 .