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 zur Bestimmung von Gastroskopie-Überwachungsintervallen

19. November 2022 aktualisiert von: Xiuli Zuo

Entwicklung und Validierung von Empfehlungen zur Gastroskopie-Überwachung basierend auf der Verarbeitung natürlicher Sprache für Patienten mit Magenkrebs und Präkanzerosen

Der Zweck dieser Studie ist die Entwicklung und Validierung eines klinischen Entscheidungsunterstützungssystems basierend auf automatisierten Algorithmen. Dieses System kann die Verarbeitung natürlicher Sprache verwenden, um Daten aus endoskopischen Berichten und pathologischen Berichten von Patienten zu extrahieren, Krankheitstypen und -grade von Patienten zu identifizieren und auf Richtlinien basierende Nachsorge- oder Behandlungsempfehlungen zu erstellen

Studienübersicht

Status

Aktiv, nicht rekrutierend

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

2000

Kontakte und Standorte

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

Studienorte

  • China
    • Shandong
      • Jinan, Shandong, China, 250012
        • Qilu Hospital, Shandong University

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 bis 80 Jahre (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

N/A

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten, die in das Qilu-Krankenhaus der Shandong-Universität kamen und eine Endoskopieuntersuchung, aber keine therapeutische Endoskopie erhielten

Beschreibung

Einschlusskriterien:

  • Patienten im Alter von 18 - 80 Jahren
  • Die Patienten wurden endoskopisch untersucht

Ausschlusskriterien:

  • Patienten mit Kontraindikationen für die endoskopische Untersuchung
  • Patienten mit unvollständigen Untersuchungsinformationen
  • Die Patienten unterziehen sich zur Therapie einer Endoskopie
  • Die Patienten haben eine Vorgeschichte von Operationen im oberen Gastrointestinaltrakt
  • Patienten mit Zwölffingerdarm- oder Kehlkopfneoplasmen
  • Patienten mit gastrointestinalem submukösem Tumor

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Sonstiges
  • Zeitperspektiven: Retrospektive

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Entscheidungsgruppe zur Unterstützung der künstlichen Intelligenz
Gemäß den endoskopischen Berichten und pathologischen Berichten erkennt das Entscheidungsunterstützungssystem die Krankheitstypen und -grade der Patienten und generiert Richtlinien basierend auf Überlebens- oder Behandlungsempfehlungen.
Sonstiges: KI erkennt Krankheiten und generiert Empfehlungen
Gemäß den endoskopischen Berichten und pathologischen Berichten erkennt das Entscheidungsunterstützungssystem die Krankheitstypen und -grade der Patienten und generiert Richtlinien basierend auf Überlebens- oder Behandlungsempfehlungen.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Die diagnostische Genauigkeit von Magenerkrankungen mit Deep-Learning-Algorithmus
Zeitfenster: 12 Monate
Die diagnostische Genauigkeit von Magenerkrankungen mit Deep-Learning-Algorithmus
12 Monate
Die Genauigkeit der Empfehlungen für verschiedene Krankheiten mit Deep-Learning-Algorithmus
Zeitfenster: 12 Monate
Die Genauigkeit der Empfehlungen für verschiedene Krankheiten mit Deep-Learning-Algorithmus
12 Monate

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Die diagnostische Sensitivität von Magenerkrankungen mit Deep-Learning-Algorithmus
Zeitfenster: 12 Monate
Die diagnostische Sensitivität von Magenerkrankungen mit Deep-Learning-Algorithmus
12 Monate
Die diagnostische Spezifität von Magenerkrankungen mit Deep-Learning-Algorithmus
Zeitfenster: 12 Monate
Die diagnostische Spezifität von Magenerkrankungen mit Deep-Learning-Algorithmus
12 Monate
Der diagnostische positive Vorhersagewert von Magenerkrankungen mit Deep-Learning-Algorithmus
Zeitfenster: 12 Monate
Der diagnostische positive prädiktive Wert von Magenerkrankungen mit Deep-Learning-Algorithmus
12 Monate
Der diagnostische negative Vorhersagewert von Magenerkrankungen mit Deep-Learning-Algorithmus
Zeitfenster: 12 Monate
Der diagnostische negative Vorhersagewert von Magenerkrankungen mit Deep-Learning-Algorithmus
12 Monate
Der F-Score von Magenerkrankungen mit Deep-Learning-Algorithmus
Zeitfenster: 12 Monate
Der F-Score von Magenerkrankungen mit Deep-Learning-Algorithmus
12 Monate

Mitarbeiter und Ermittler

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

Sponsor

Xiuli Zuo

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. Januar 2012

Primärer Abschluss (Tatsächlich)

31. Oktober 2022

Studienabschluss (Voraussichtlich)

31. Dezember 2023

Studienanmeldedaten

Zuerst eingereicht

19. November 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

19. November 2022

Zuerst gepostet (Tatsächlich)

30. November 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

30. November 2022

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

19. November 2022

Zuletzt verifiziert

1. November 2022

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 2022-SDU-QILU-G008

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