Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Una plataforma para el desarrollo de inteligencia artificial médica multidisciplinar (AI)

16 de mayo de 2021 actualizado por: Haotian Lin, Sun Yat-sen University
El aprendizaje profundo biomédico (DL) a menudo se basa en gran medida en la generación de etiquetas confiables para datos a gran escala y requisitos altamente técnicos para el entrenamiento de modelos. Para desarrollar modelos DL de manera eficiente, establecimos una plataforma integrada para introducir la automatización tanto en la anotación como en el entrenamiento de modelos, el proceso principal del desarrollo de modelos DL. Con base en esta plataforma, validamos y comparamos cuantitativamente la estrategia de anotación y el desarrollo del modelo de IA con el método de anotación manual puro realizado en conjuntos de datos de imágenes médicas de múltiples disciplinas.

Descripción general del estudio

Estado

Reclutamiento

Tipo de estudio

De observación

Inscripción (Anticipado)

200

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

  • Nombre: Haotian Lin, Ph.D, M.D.
  • Número de teléfono: +86-020-87330274
  • Correo electrónico: gddlht@aliyun.com

Ubicaciones de estudio

    • Guangdong
      • Guangzhou, Guangdong, Porcelana, 510060
        • Reclutamiento
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Contacto:
          • Haotian Lin, Ph.D, M.D.
          • Número de teléfono: +86-020-87330274
          • Correo electrónico: gddlht@aliyun.com

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Niño
  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra de probabilidad

Población de estudio

imágenes médicas para múltiples disciplinas, incluidas oftalmología, patología, radiografía, células sanguíneas y endoscopia

Descripción

Criterios de inclusión:

  • tener registro de imágenes médicas (incluyendo oftalmología, patología, radiografía, células sanguíneas y endoscopia)

Criterio de exclusión:

  • imágenes médicas no calificadas

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
grupo de colaboración hombre-máquina
profesionales sanitarios y colaboración entre máquinas para la anotación y el desarrollo de modelos de IA
grupo manual puro
profesionales de la salud para la anotación manual pura y el desarrollo de modelos de IA

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
precisión de la anotación
Periodo de tiempo: base
calcular la precisión de la anotación para la comparación entre grupos con el uso de los resultados de la anotación
base

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
precisión del rendimiento del modelo
Periodo de tiempo: base
calcular la precisión del modelo de IA para la comparación entre grupos con el uso de los resultados previstos del modelo
base
AUC del rendimiento del modelo
Periodo de tiempo: base
calcule las AUC del modelo de IA para comparar entre grupos con el uso de los resultados previstos del modelo
base
costo de tiempo de anotación
Periodo de tiempo: base
calcular el costo del tiempo de anotación para la comparación entre grupos usando el tiempo registrado durante las pruebas
base

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Investigadores

  • Investigador principal: Haotian Lin, Ph.D, M.D., Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

18 de marzo de 2021

Finalización primaria (Actual)

1 de abril de 2021

Finalización del estudio (Anticipado)

31 de mayo de 2021

Fechas de registro del estudio

Enviado por primera vez

18 de marzo de 2021

Primero enviado que cumplió con los criterios de control de calidad

16 de mayo de 2021

Publicado por primera vez (Actual)

18 de mayo de 2021

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

18 de mayo de 2021

Última actualización enviada que cumplió con los criterios de control de calidad

16 de mayo de 2021

Última verificación

1 de mayo de 2021

Más información

Términos relacionados con este estudio

Otros números de identificación del estudio

  • AIplatform-2020

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Ensayos clínicos sobre Imagenes medicas

3
Suscribir