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

Håndtering af pankreatiske cystiske læsioner ved brug af kunstig intelligens baseret på EUS og multimodale data

5. marts 2026 opdateret af: Bin Cheng, Huazhong University of Science and Technology

En multimodal kunstig intelligensmodel til subtypingdiagnose og klinisk håndtering af pankreatiske cystiske læsioner baseret på endoskopisk ultralyd og kliniske oplysninger

Det primære formål er at konstruere en multimodal AI-model (Cyst-AI) baseret på EUS-billeder og kliniske data såsom billedfunktioner (CT eller MR-scanning) og laboratorieprøver for at assistere endoskopister i diagnosen af pankreatiske cystiske læsioner (PCL'er), primært med at differentiere møhøse fra ikke-møhøse læsioner.

Det sekundære formål er at evaluere modellens effektivitet i risikostratificering og klinisk håndtering for patienter med PCL'er.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Med udviklingen af medicinsk billedteknologi er detektionsraten for cystiske læsioner i bugspytkirtlen (PCLs) steget betydeligt. Selvom de fleste cysteer er godartede, har en betydelig del potentiale for ondartet transformation. Klinisk håndtering er baseret på diagnose og risikostratificering. For PCLs fører forskellige diagnoser og risikostratificering til helt forskellige kliniske strategier og resultater, som er tæt forbundet med patienternes livskvalitet, økonomiske byrde og psykologiske stress. Endoskopisk ultralyd (EUS) har spillet en afgørende rolle i den yderligere differentialdiagnose af PCLs. Kunstig intelligens (AI) har også vist stort potentiale i klinisk diagnose og håndtering. Derfor planlægger vi at indsamle patienternes EUS-billeddata, radiologiske og laboratorieundersøgelser samt anden klinisk information retrospektivt for at konstruere en model ved navn Cyst-AI, som integrerer funktionerne for diagnose og klinisk håndtering, for at assistere i klinisk beslutningstagning.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

500

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Kina
    • Hubei
      • Wuhan, Hubei, Kina, 430030
        • Rekruttering
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Kontakt:
      • Wuhan, Hubei, Kina, 430030
        • Ikke rekrutterer endnu
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
        • Kontakt:

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

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Kohorten vil blive udvalgt fra flere hospitaler i Kina, herunder Tongji Hospital, Tongji Medical College, HUST.

Beskrivelse

Inklusionskriterier:

  • Patienter, hvis EUS-resultater indikerer pankreatiske cystiske eller cystoide læsioner;
  • Mucinøse læsioner: herunder mucinøs cystisk neoplasi (MCN), intraduktal papillær mucinøs neoplasi (IPMN);
  • Ikke-mucinøse læsioner: herunder pankreatisk pseudocyste, serøs cystisk neoplasi (SCN), cystisk neuroendokrin tumor (cNET).

Eksklusionskriterier:

  • Patienter under 18 år;
  • Patienter, der har gennemgået pankreaskirurgi før EUS-undersøgelsen;
  • Patienter, der har modtaget kemoterapi og strålebehandling for pankreastumorer før EUS-undersøgelsen;
  • Patologiske resultater, der indikerer, at pankreasskaderne er metastatiske læsioner fra andre steder;
  • Patienter, hvis EUS-billeder eller rapporter mangler;
  • EUS-billedkvalitet opfylder ikke kravene til gennemgang, f.eks. uklare billeder eller indeholder artefakter, biopsinåle, måleskalaer eller andre yderligere annoteringer, der ikke er en del af det originale EUS-billede;
  • Patienter, hvis endelige diagnose er uklar.

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
Cyst-EUS
Patienter før 2026 med EUS-billeder af pankreatiske cystiske læsioner eller cystoid-materiale læsioner er blevet inkluderet i denne kohorte.
Diagnostisk test: Cyst-AI-model
De flercenters indsamlede data vil blive opdelt i et træningssæt, et valideringssæt og et testsæt til udvikling og test af cyst-AI-modellen.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk modelpræstation i differentiering af mucinøse fra ikke-mucinøse PCL'er
Tidsramme: Inden for 3 måneder efter afslutningen af diagnostisk modeltræning.
Ydelsen af Cyst-AI-diagnosemodellen vil blive evalueret ved hjælp af arealet under receiver operating characteristic-kurven (AUC-ROC), med følsomhed, specificitet, nøjagtighed, positivt prædiktivt værdi (PPV) og negativt prædiktivt værdi (NPV) beregnet fra modellens forudsigelser på det uafhængige valideringsdatasæt. PCLs: pankreatiske cystiske læsioner.
Inden for 3 måneder efter afslutningen af diagnostisk modeltræning.
Den kliniske ledelsesmodels risikostratificeringspræstation for mucinøse PCL'er
Tidsramme: Inden for 3 måneder efter afslutningen af risikostratificeringsmodellens træning.
Ydelsen af Cyst-AI risikostratificeringsmodellen til korrekt at klassificere læsioner i "lav risiko", "mellem risiko" og "høj risiko", vil blive evalueret ved hjælp af arealet under receiver operating characteristic-kurven (AUC-ROC), med følsomhed, specificitet, nøjagtighed, positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV) beregnet fra modellens forudsigelser på det uafhængige valideringsdatasæt. PCLs: pankreatiske cystiske læsioner.
Inden for 3 måneder efter afslutningen af risikostratificeringsmodellens træning.

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnosemodellens præstation i at differentiere specifikke typer af PCL'er
Tidsramme: Inden for 3 måneder efter afslutningen af diagnostisk modeltræning.
Ydelsen af Cyst-AI diagnostiske model vil blive evalueret ved hjælp af arealet under receiver operating characteristic kurven (AUC-ROC), med følsomhed, specificitet, nøjagtighed, positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV) beregnet fra modellens forudsigelser på det uafhængige valideringsdatasæt. PCLs: pankreatiske cystiske læsioner.
Inden for 3 måneder efter afslutningen af diagnostisk modeltræning.
Den kliniske ledelsesydelse for den kliniske ledelsesmodel for mucinøse PCL'er
Tidsramme: Inden for 3 måneder efter afslutningen af den kliniske ledelsesmodel-træning.
Ydelsen af Cyst-AI kliniske forvaltningsmodel til at give præcise kliniske anbefalinger vil blive evalueret ved hjælp af arealet under receiver operating characteristic-kurven (AUC-ROC), med følsomhed, specificitet, nøjagtighed, positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV) beregnet fra modellens forudsigelser på det uafhængige valideringsdatasæt. PCLs: pankreatiske cystiske læsioner.
Inden for 3 måneder efter afslutningen af den kliniske ledelsesmodel-træning.
Modellens ydeevne i at assistere endoskopister på forskellige niveauer i diagnostisering og håndtering af PCLs
Tidsramme: Inden for 1 måned efter afslutningen af den human-maskine konfronterende crossover-undersøgelse
Ydelsen af Cyst-AI-modellen i at assistere endoskopister vil blive evalueret ved hjælp af arealet under receiver operating characteristic-kurven (AUC-ROC), med følsomhed, specificitet, nøjagtighed, positiv prædiktiv værdi (PPV) og negativ prædiktiv værdi (NPV) beregnet ud fra modellens forudsigelser på det uafhængige valideringsdatasæt. PCL'er: pankreatiske cystiske læsioner.
Inden for 1 måned efter afslutningen af den human-maskine konfronterende crossover-undersøgelse
Effekten af modellen på endoskopisters beslutningsprocess
Tidsramme: Inden for 1 måned efter afslutningen af det menneske-maskine konfrontationskrydsforsøg.
Spørgeskema til endoskopister efter vurderingen vil blive brugt til at evaluere omfanget af indvirkningen.
Inden for 1 måned efter afslutningen af det menneske-maskine konfrontationskrydsforsøg.

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

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 2025

Primær færdiggørelse (Anslået)

1. april 2026

Studieafslutning (Anslået)

1. juni 2026

Datoer for studieregistrering

Først indsendt

9. december 2025

Først indsendt, der opfyldte QC-kriterier

5. marts 2026

Først opslået (Faktiske)

11. marts 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

11. marts 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

5. marts 2026

Sidst verificeret

1. marts 2026

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • Cyst-AI 2024

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 Cyst-AI-model

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Norway

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner