Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Künstliche Intelligenz im EUS zur Diagnose solider Pankreasläsionen

2. April 2024 aktualisiert von: Bin Cheng, Huazhong University of Science and Technology

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

Unser Ziel ist es, ein EUS-KI-Modell zu entwickeln, das die klinische Diagnose durch die Analyse von EUS-Bildern und klinischen Parametern von Patienten erleichtern kann.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

EUS gilt aufgrund seiner hohen räumlichen Auflösung als empfindlichere Methode zur Erkennung solider Pankreasläsionen als CT. Allerdings hängt die diagnostische Leistung maßgeblich von der Erfahrung und den technischen Fähigkeiten der Behandler ab. Daher ist es unser Ziel, ein objektives EUS-Diagnosemodell zu entwickeln, das auf dem Convolutional Neural Network, einer Technik der künstlichen Intelligenz, basiert. Darüber hinaus werden diesem künstlichen Intelligenzmodell auch klinische Parameter wie Risikofaktoren, Tumorbiomarker und radiologische Befunde hinzugefügt, um die tatsächlichen klinischen Diagnoseverfahren nachzuahmen und die Leistung dieses Modells zu steigern.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

130

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • China
    • Hubei
      • Wuhan, Hubei, China, 430030
        • Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die Kohorte wird aus dem Tongji Hospital, Tongji Medical College, HUST ausgewählt.

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

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Pankreas-EUS
In diese Kohorte wurden Patienten seit 2014 mit EUS-Bildern normaler Bauchspeicheldrüse oder solider Pankreasläsionen aufgenommen.
Diagnosetest: EUS-AI-Modell
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

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

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

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Huazhong University of Science and Technology

Mitarbeiter

LanZhou University
The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. Juli 2022

Primärer Abschluss (Tatsächlich)

30. Juni 2023

Studienabschluss (Tatsächlich)

24. Januar 2024

Studienanmeldedaten

Zuerst eingereicht

25. Juli 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

25. Juli 2022

Zuerst gepostet (Tatsächlich)

27. Juli 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

3. April 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

2. April 2024

Zuletzt verifiziert

1. April 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • EUS-AI 2022

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 .

Abonnieren