Anwendung künstlicher Intelligenz zur Frühdiagnose von Magenkrebs während der Endoskopie mit optischer Vergrößerung
Studienübersicht
Status
Detaillierte Beschreibung
Magenkrebs ist die dritthäufigste krebsbedingte Todesursache weltweit, insbesondere in Asien. Eine frühzeitige Erkennung und Behandlung würde die Krankheit mit einer 5-Jahres-Überlebensrate von mehr als 90 % heilen. Allerdings ist die Empfindlichkeit der konventionellen Endoskopie mit Weißlichtbildgebung ( C-WLI) bei der Diagnose von Magenfrühkarzinomen (EGCs) beträgt lediglich 40 %. Techniken der vergrößernden bildverstärkten Endoskopie (IEE) wie die vergrößernde Schmalbandbildgebung (M-NBI) wurden entwickelt und zwei RCT berichten, dass Weißlichtbildgebung in Kombination mit M-NBI die Empfindlichkeit auf 95 % erhöhen kann. Bei der Screening-Endoskopie empfiehlt sich die Strategie, die verdächtige Läsion mittels Weißlichtbildgebung zu erkennen und M-IEE-Techniken zur Diagnose von Magenkrebs im Frühstadium einzusetzen.
Optical Enhancement (OE), eine der M-IEE-Techniken, wurde von HOYA Co. (Tokio, Japan) entwickelt. Diese Technologie kombiniert digitale Signalverarbeitung und optische Filter zur klaren Darstellung der Mikrooberfläche (MS) und der Mikrogefäße (MV) der Schleimhaut. Der Vorteil von OE besteht darin, die Dunkelheit von NBI zu überwinden, was zu einer geringeren Nützlichkeit für die Nachweisfähigkeit im gesamten erweiterten Magen-Darm-Lumen führt. Dennoch ist es für Anfänger schwierig, frühen Magenkrebs von nicht krebsartigen Läsionen zu unterscheiden, und Fachkenntnisse mit suboptimalen inter -Beobachtervereinbarung ist für die Nutzung von M-IEE unerlässlich.
Heutzutage hat künstliche Intelligenz (KI) mithilfe von tiefem maschinellem Lernen einen großen Durchbruch in der Gastroenterologie erzielt, bei der mithilfe der Gradientenabstiegsmethode und Backpropagation bestimmte Bildmerkmale automatisch extrahiert werden. Die diagnostische Genauigkeit bei der Identifizierung von Krebs im oberen Gastrointestinaltrakt betrug 0,955 im C-WLI. Polypen können bei der Screening-Koloskopie in Echtzeit mit einer Genauigkeit von 96 % identifiziert werden. KI zeigt eine hervorragende Anwendung in der Erkennung und Diagnose.
Diese Studie zielt darauf ab, ein M-OE-Unterstützungsmodell für die Diagnose von EGCs zu entwickeln, indem Krebs unterschieden wird oder nicht.
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienorte
-
-
Shandong
-
Jinan, Shandong, China, 250012
- Rekrutierung
- Department of Gastroenterology, Qilu Hospital, Shandong University
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten erhalten eine OE-Endoskopie mit optischer Vergrößerung
Ausschlusskriterien:
- Patienten mit fortgeschrittenem Krebs, Lymphom, aktivem Ulkusstadium und künstlichem Ulkus nach ESD wurden ausgeschlossen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Patienten, die sich einer Vergrößerungsendoskopie unterziehen müssen
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
die Diagnoseeffizienz des computergestützten Diagnosetools
Zeitfenster: 12 Monate
|
die Empfindlichkeit, Spezifität und Genauigkeit des computergestützten Diagnosetools
|
12 Monate
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Hauptermittler: Yanqing Li, PHD, Study Principal Investigator Qilu Hospital, Shandong University
Publikationen und hilfreiche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2018SDU-QILU-3
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 .