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

AI-modeller vs. ikke-invasive fibrose-scorer i MAFLD-diagnostik (MAFLD-AI)

12. december 2025 opdateret af: Nahla Ahmed Khalaf, Tanta University

Vurdering af anvendeligheden af AI-modeller i MAFLD-diagnose: Sammenligning med traditionelle ikke-invasive fibrose-scorer.

Denne undersøgelse evaluerer nøjagtigheden af kunstig intelligens (AI)-modeller, der bruger FibroScan og kliniske data til at forudsige leversfibrose hos egyptiske patienter med metabolisk associeret fedtleversygdom (MAFLD). Ydeevnen af AI-modellerne vil blive sammenlignet med konventionelle ikke-invasive fibrosescoringer (FIB-4, APRI, NAFLD-fibrosescore og FAST). Målet er at forbedre den tidlige, ikke-invasive diagnosticering af fibrose og reducere afhængigheden af leverbiopsi.

Studieoversigt

Status

Afsluttet

Betingelser

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

522

Kontakter og lokationer

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

Studiesteder

  • Egypten
      • Tanta, Egypten
        • Faculty of medicine

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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Voksne egyptiske patienter (≥18 år) diagnosticeret med stofskifteassocieret fedtleversygdom (MAFLD) i henhold til internationale kriterier, rekrutteret fra ambulatoriet og FibroScan-enheden på Afdelingen for Tropemedicin, Medicinsk Fakultet, Tanta Universitet.

Beskrivelse

Inklusionskriterier:

- Voksne ≥18 år.

Diagnosticeret med MAFLD ifølge internationale kriterier (leversfedt med metabolisk dysfunktion).

Gyldig FibroScan-evaluering med tilgængelige LSM- og CAP-værdier.

Eksklusionskriterier:

  • Overdreven alkoholindtag (>30 g/dag for mænd, >20 g/dag for kvinder).

Kronisk viral hepatitis (HBV eller HCV).

Autoimmun hepatitis.

Kendt malignitet.

Graviditet.

Afvisning af at deltage.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Tidsramme
Mål diagnostisk nøjagtighed af AI-modeller i forudsigelse af leversvulststadium (F0-F4)
Tidsramme: Ved indskrivning (enkelt tværsnitsvurdering).
Ved indskrivning (enkelt tværsnitsvurdering).

Samarbejdspartnere og efterforskere

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

Sponsor

Tanta 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)

13. maj 2025

Primær færdiggørelse (Faktiske)

30. august 2025

Studieafslutning (Faktiske)

30. november 2025

Datoer for studieregistrering

Først indsendt

12. december 2025

Først indsendt, der opfyldte QC-kriterier

12. december 2025

Først opslået (Faktiske)

26. december 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

26. december 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

12. december 2025

Sidst verificeret

1. december 2025

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • TANTAU-MAFLD-AI-2025-01

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 AI (kunstig intelligens)

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Vietnam

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner