Kunstig intelligenss rolle i endoskopisk diagnose af esophagogastrisk junctional adenokarcinom: Et enkelt center, case-control, diagnostisk undersøgelse
15. november 2023 opdateret af: Qilu Hospital of Shandong University
Dette er et enkelt center, case-control, diagnostisk undersøgelse. Formålet med denne undersøgelse er at bruge deep learning metoder til retrospektivt at analysere billeddata fra gastrointestinal endoskopi på Qilu Hospital og konstruere en kunstig intelligensmodel baseret på endoskopiske billeder til påvisning og bestemmelse af dybden af invasionen af esophagogastric junctional adenocarcinoma. Denne undersøgelse vil også sammenligne den etablerede AI-model med de diagnostiske resultater fra endoskopister for at evaluere den kliniske hjælpeværdi af modellen for endoskopister. Forskningen omfatter stadier som dataindsamling og forbehandling, kunstig intelligens modeludvikling, modeltest og evaluering.
Gastroskopi-billeddatasættet, der er konstrueret af dette forskningsinstitut, omfatter hovedsageligt tre former for endoskopisk billeddannelse: hvidt lys-endoskopi, optisk forbedringsendoskopi (OE) og narrowband imaging-endoskopi (NBI).
Studieoversigt
Status
Ikke rekrutterer endnu
Betingelser
Undersøgelsestype
Observationel
Tilmelding (Anslået)
200
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Miaomiao Ma, Bachelor
- Telefonnummer: +8617657686098
- E-mail: mmiao6098@163.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
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ja
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Denne undersøgelse omfattede endoskopiske billeder af den esophageal gastriske forbindelse hentet fra Endoscopy Center på Qilu Hospital til træning og afprøvning af modellen. Undersøgelsespopulationen gennemgik patologisk undersøgelse, og de patologiske resultater blev brugt som guldstandarden.
Beskrivelse
Inklusionskriterier:
- Denne undersøgelse omfattede endoskopiske billeder af patienter på 18 år og derover, som gennemgik endoskopisk undersøgelse eller behandling
- Alle patienter i case-gruppen skal patologisk bekræftes som esophageal gastric junction adenocarcinoma, og en patolog har foretaget en standardiseret patologisk evaluering af tumorklassificeringen af læsionen, herunder det overordnede udseende, størrelse, differentieringstype, infiltrationsdybde, tilstedeværelse eller fravær af lymfatisk/vaskulær invasion, kirurgisk marginstatus mv.
- De endoskopiske billeder af kontrolgruppens patienter skal bekræftes af biopsipatologi eller mindst to erfarne endoskopister (med operationserfaring >5000 tilfælde) for i fællesskab at bekræfte, at de har tydelige godartede manifestationer
Ekskluderingskriterier:
- Patienten har en tidligere historie med endoskopisk behandling eller kirurgi for esophageal gastrisk junction.
- Nødvendige kliniske oplysninger kan ikke gives under forskningsprocessen (patientens alder, køn, læsionskarakteristika, endoskopiske manifestationer, endoskopiske billeder osv.)
- Endoskopiske billeder af lav kvalitet, såsom dem, der er alvorligt påvirket af blødning, blændeåbning, sløring, defokusering, artefakter eller overdreven slim efter biopsi.
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 |
|---|---|
|
Træningssæt
|
Denne undersøgelse vil sammenligne den etablerede AI-model med de diagnostiske resultater fra endoskopister for at evaluere den kliniske hjælpeværdi af modellen for endoskopister.
|
|
Test sæt
|
Denne undersøgelse vil sammenligne den etablerede AI-model med de diagnostiske resultater fra endoskopister for at evaluere den kliniske hjælpeværdi af modellen for endoskopister.
|
|
Verifikationssæt
|
Denne undersøgelse vil sammenligne den etablerede AI-model med de diagnostiske resultater fra endoskopister for at evaluere den kliniske hjælpeværdi af modellen for endoskopister.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhed
Tidsramme: 36 måneder
|
Forskerne beregnede følsomheden af den etablerede AI-model og sammenlignede den med endoskopister på forskellige niveauer.
|
36 måneder
|
|
Specificitet
Tidsramme: 36 måneder
|
Forskerne beregnede specificiteten af den etablerede AI-model og sammenlignede den med endoskopister på forskellige niveauer.
|
36 måneder
|
|
Negativ prædiktiv værdi
Tidsramme: 36 måneder
|
Forskerne beregnede den negative prædiktive værdi af den etablerede AI-model og sammenlignede den med endoskopister på forskellige niveauer.
|
36 måneder
|
|
Positiv prædiktiv værdi
Tidsramme: 36 måneder
|
Forskerne beregnede den positive prædiktive værdi af den etablerede AI-model og sammenlignede den med endoskopister på forskellige niveauer.
|
36 måneder
|
|
Nøjagtighed
Tidsramme: 36 måneder
|
Forskerne beregnede nøjagtighedens positive prædiktive værdi af den etablerede AI-model og sammenlignede den med endoskopister på forskellige niveauer.
|
36 måneder
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
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)
1. december 2023
Primær færdiggørelse (Anslået)
1. april 2025
Studieafslutning (Anslået)
1. april 2026
Datoer for studieregistrering
Først indsendt
6. april 2023
Først indsendt, der opfyldte QC-kriterier
6. april 2023
Først opslået (Faktiske)
19. april 2023
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Anslået)
16. november 2023
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
15. november 2023
Sidst verificeret
1. april 2023
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 2023SDU-QILU-1
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 .