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

KI-gestützte Weißlichtendoskopie zur Identifizierung der Kimura-Takemoto-Klassifikation der atrophischen Gastritis

10. April 2024 aktualisiert von: Yanqing Li, Shandong University

Künstliche Intelligenz-unterstützte Weißlichtendoskopie zur Identifizierung der Kimura-Takemoto-Klassifikation der atrophischen Gastritis, um eine Risikobewertung für Magenkrebs zu erreichen

Durch die Einstufung der endoskopischen Atrophie gemäß der Kimura-Takemoto-Klassifikation kann das Risiko der Entwicklung einer Magenneoplasie beurteilt werden. Allerdings ist die Falsch-Negativ-Rate der chronisch atrophischen Gastritis aufgrund der unterschiedlichen diagnostischen Standardisierung und diagnostischen Erfahrung sowie des Niveaus der Endoskopiker hoch. Daher zielt diese Studie darauf ab, ein KI-Modell zur Identifizierung der Kimura-Takemoto-Klassifikation zu entwickeln.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Durch die Einstufung der endoskopischen Atrophie gemäß der Kimura-Takemoto-Klassifikation kann das Risiko der Entwicklung einer Magenneoplasie beurteilt werden. Je höher der Wert, desto schwerwiegender ist der Grad der atrophischen Gastritis. Allerdings ist die Falsch-Negativ-Rate der chronisch atrophischen Gastritis aufgrund der unterschiedlichen diagnostischen Standardisierung und diagnostischen Erfahrung sowie des Niveaus der Endoskopiker hoch. Ziel dieser Studie ist daher die Entwicklung eines KI-Modells zur Identifizierung der Kimura-Takemoto-Klassifikation der atrophischen Gastritis, um eine Risikobewertung für Magenkrebs zu ermöglichen.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

1500

Kontakte und Standorte

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

Studienkontakt

Studienorte

  • China
    • Shandong
      • Shangdong, Shandong, China, 250012
        • Rekrutierung
        • Department of Gastrology, QiLu Hospital, Shandong University
        • Kontakt:

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Aufeinanderfolgende Patienten, die eine gastrointestinale Endoskopie-Untersuchung erhalten und untersucht werden und die Zulassungskriterien am Qilu Hospital der Shandong-Universität erfüllen, werden in die Studie aufgenommen

Beschreibung

Einschlusskriterien:

Patienten im Alter von 18 bis 80 Jahren, die sich der Weißlicht-Endoskopuntersuchung unterziehen. Vom Patienten bereitgestellte Einverständniserklärung.

Ausschlusskriterien:

  1. Patienten mit schwerer Herz-, Hirn-, Lungen- oder Nierenfunktionsstörung oder psychiatrischer Erkrankung;
  2. Störungen, die nicht an der Magenspiegelung teilnehmen können;
  3. Patienten mit fortschreitendem Magenkrebs;
  4. Bilder von geringer Qualität;
  5. Patienten mit früheren chirurgischen Eingriffen am Magen oder der Speiseröhre;
  6. Patienten, die sich weigern, die Einverständniserklärung zu unterzeichnen;

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
Chronische atrophische Gastritis, beobachtet mit einem Weißlicht-Endoskop
Erhalten Sie Bilder vom Magenantrum, dem Magenwinkel, der geringeren Krümmung des Magenkörpers, der Kardia, dem Magenfundus und der größeren Krümmung des Magenkörpers mit einem Weißlicht-Endoskop
Diagnosetest: Diagnosetest: Die Diagnose von Künstlicher Intelligenz und Endosopisten
Endoskopiker und KI werden die Kimura-Takemoto-Klassifikation unabhängig voneinander beurteilen, wenn der Patient dafür geeignet ist.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Genauigkeit des KI-Modells zur Diagnose der Kimura-Takemoto-Klassifikation
Zeitfenster: 2 Jahre
Genauigkeit des KI-Modells zur Diagnose der Kimura-Takemoto-Klassifikation
2 Jahre
Empfindlichkeit des KI-Modells zur Diagnose der Kimura-Takemoto-Klassifikation
Zeitfenster: 2 Jahre
Empfindlichkeit des KI-Modells zur Diagnose der Kimura-Takemoto-Klassifikation
2 Jahre
Spezifität des KI-Modells zur Diagnose der Kimura-Takemoto-Klassifikation
Zeitfenster: 2 Jahre
Spezifität des KI-Modells zur Diagnose der Kimura-Takemoto-Klassifikation
2 Jahre

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Der MIOU-Wert des KI-Modells bei der semantischen Segmentierung des endoskopischen Atrophiebildes
Zeitfenster: 2 Jahre
Der MIOU-Wert des KI-Modells bei der semantischen Segmentierung des endoskopischen Atrophiebildes
2 Jahre

Mitarbeiter und Ermittler

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

Sponsor

Shandong University

Mitarbeiter

Linyi County People's Hospital,Dezhou,China

Ermittler

  • Studienstuhl: yanqing li, MD,PHD, Qilu Hospital, Shandong University

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. Juni 2023

Primärer Abschluss (Geschätzt)

31. Dezember 2024

Studienabschluss (Geschätzt)

31. Dezember 2024

Studienanmeldedaten

Zuerst eingereicht

14. Juni 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

14. Juni 2023

Zuerst gepostet (Tatsächlich)

23. Juni 2023

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

12. April 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

10. April 2024

Zuletzt verifiziert

1. April 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 2022SDU-QILU-123

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 .

Klinische Studien zur Diagnosetest: Die Diagnose von Künstlicher Intelligenz und Endosopisten

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Burundi

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren