Künstliche Intelligenz im EUS zur Diagnose solider Pankreasläsionen
Nutzung künstlicher Intelligenz für die Entwicklung eines EUS-Faltungsmodells eines neuronalen Netzwerks, das darauf trainiert ist, Bauchspeicheldrüsenkrebs von anderen soliden Läsionen der Bauchspeicheldrüse zu unterscheiden
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
Hubei
-
Wuhan, Hubei, China, 430030
- Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten, die sich seit 2014 in unserer Niederlassung einem EUS mit einem gebogenen Line-Array-Echoendoskop (GF-UCT260; Olympus Medical Systems) unterzogen haben.
- Für jeden Patienten sind alle verfügbaren nativen EUS-Bilder enthalten.
- Die Diagnose der Patienten wird durch chirurgische Ergebnisse oder Ergebnisse der Feinnadelaspiration (FNA) validiert und weist einen kompatiblen klinischen Verlauf mit einer Nachbeobachtungszeit von mehr als 6 Monaten auf.
Ausschlusskriterien:
- Das Bild ist von schlechter Qualität.
- Die Bilder enthalten eindeutige Markierungen, die möglicherweise das Modell verzerren können, beispielsweise die Biopsienadel.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Pankreas-EUS
In diese Kohorte wurden Patienten seit 2014 mit EUS-Bildern normaler Bauchspeicheldrüse oder solider Pankreasläsionen aufgenommen.
|
Die Testteilmenge (ca. 20 % aller Patienten) ist für die abschließende Bewertung des EUS-AI-Modells reserviert.
Klinische Parameter und EUS-Bilder jedes Patienten in der Testuntergruppe werden in das trainierte EUS-AI-Modell eingegeben und das Modell liefert die bestmögliche Diagnose.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Die Fähigkeit des Modells, Bauchspeicheldrüsenkrebs von anderen soliden Läsionen der Bauchspeicheldrüse zu unterscheiden
Zeitfenster: Nachdem der Trainingsprozess des EUS-AI-Modells abgeschlossen ist
|
Analysen der Receiver Operating Characteristic (ROC), Sensitivität, Spezifität, Genauigkeit, positiver Vorhersagewert und negativer Vorhersagewert werden verwendet, um die Wirksamkeit des Modells zu bewerten.
|
Nachdem der Trainingsprozess des EUS-AI-Modells abgeschlossen ist
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Die Fähigkeit des Modells, solide Läsionen der Bauchspeicheldrüse wie Bauchspeicheldrüsenkrebs, CP, AIP und NET zu spezifizieren
Zeitfenster: Nachdem der Trainingsprozess des EUS-AI-Modells abgeschlossen ist
|
Analysen der Receiver Operating Characteristic (ROC), Sensitivität, Spezifität, Genauigkeit, positiver Vorhersagewert und negativer Vorhersagewert werden verwendet, um die Wirksamkeit des Modells zu bewerten.
|
Nachdem der Trainingsprozess des EUS-AI-Modells abgeschlossen ist
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
- Erkrankungen des Verdauungssystems
- Pathologische Prozesse
- Erkrankungen des Immunsystems
- Neubildungen nach histologischem Typ
- Neubildungen
- Autoimmunerkrankungen
- Krankheitsattribute
- Neuroektodermale Tumoren
- Neoplasmen, Keimzelle und Embryonal
- Neubildungen, Nervengewebe
- Erkrankungen der Bauchspeicheldrüse
- Chronische Erkrankung
- Pankreatitis
- Pankreatitis, chronisch
- Neuroendokrine Tumoren
- Autoimmunpankreatitis
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- EUS-AI 2022
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .