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

Inteligencia Artificial para Determinación de Intervalos de Vigilancia de Gastroscopia

19 de noviembre de 2022 actualizado por: Xiuli Zuo

Desarrollo y validación de recomendaciones de vigilancia de gastroscopia basadas en el procesamiento del lenguaje natural para pacientes con cáncer gástrico y enfermedades precancerosas

El propósito de este estudio es desarrollar y validar un sistema de apoyo a la decisión clínica basado en algoritmos automatizados. Este sistema puede utilizar el procesamiento de lenguaje natural para extraer datos de los informes endoscópicos y patológicos de los pacientes, identificar los tipos y grados de enfermedad de los pacientes y generar recomendaciones de tratamiento o seguimiento basadas en pautas.

Descripción general del estudio

Estado

Activo, no reclutando

Condiciones

Intervención / Tratamiento

Tipo de estudio

De observación

Inscripción (Anticipado)

2000

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.

Ubicaciones de estudio

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

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

18 años a 80 años (Adulto, Adulto Mayor)

Acepta Voluntarios Saludables

N/A

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

pacientes que acudieron al Hospital Qilu de la Universidad de Shandong y recibieron un examen de endoscopia pero no una endoscopia terapéutica

Descripción

Criterios de inclusión:

  • Pacientes de 18 a 80 años
  • Los pacientes se sometieron a un examen endoscópico.

Criterio de exclusión:

  • Pacientes con contraindicaciones para el examen endoscópico.
  • Pacientes con información de examen incompleta
  • Los pacientes se someten a una endoscopia para la terapia.
  • Los pacientes tienen antecedentes de cirugía digestiva alta
  • Pacientes con neoplasias duodenales o laríngeas
  • Pacientes con tumor submucoso gastrointestinal

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

  • Modelos observacionales: Otro
  • Perspectivas temporales: Retrospectivo

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
Grupo de decisión de soporte de inteligencia artificial
De acuerdo con los informes endoscópicos e informes patológicos, el sistema de apoyo a la decisión reconoce los tipos y grados de enfermedad de los pacientes y genera pautas basadas en recomendaciones de tratamiento o vigilancia.
Otro: La IA reconoce la enfermedad y genera recomendaciones
De acuerdo con los informes endoscópicos e informes patológicos, el sistema de apoyo a la decisión reconoce los tipos y grados de enfermedad de los pacientes y genera pautas basadas en recomendaciones de tratamiento o vigilancia.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
La precisión diagnóstica de las enfermedades gástricas con un algoritmo de aprendizaje profundo
Periodo de tiempo: 12 meses
La precisión diagnóstica de las enfermedades gástricas con un algoritmo de aprendizaje profundo
12 meses
La precisión de las recomendaciones para diferentes enfermedades con algoritmo de aprendizaje profundo
Periodo de tiempo: 12 meses
La precisión de las recomendaciones para diferentes enfermedades con algoritmo de aprendizaje profundo
12 meses

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
La sensibilidad diagnóstica de enfermedades gástricas con algoritmo de aprendizaje profundo
Periodo de tiempo: 12 meses
La sensibilidad diagnóstica de enfermedades gástricas con algoritmo de aprendizaje profundo
12 meses
La especificidad diagnóstica de enfermedades gástricas con algoritmo de aprendizaje profundo
Periodo de tiempo: 12 meses
La especificidad diagnóstica de enfermedades gástricas con algoritmo de aprendizaje profundo
12 meses
El valor predictivo positivo diagnóstico de enfermedades gástricas con algoritmo de aprendizaje profundo
Periodo de tiempo: 12 meses
El valor predictivo positivo diagnóstico de enfermedades gástricas con algoritmo de aprendizaje profundo
12 meses
El valor predictivo negativo diagnóstico de enfermedades gástricas con algoritmo de aprendizaje profundo
Periodo de tiempo: 12 meses
El valor predictivo negativo diagnóstico de enfermedades gástricas con algoritmo de aprendizaje profundo
12 meses
El puntaje F de enfermedades gástricas con algoritmo de aprendizaje profundo
Periodo de tiempo: 12 meses
El puntaje F de enfermedades gástricas con algoritmo de aprendizaje profundo
12 meses

Colaboradores e Investigadores

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

Patrocinador

Xiuli Zuo

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)

1 de enero de 2012

Finalización primaria (Actual)

31 de octubre de 2022

Finalización del estudio (Anticipado)

31 de diciembre de 2023

Fechas de registro del estudio

Enviado por primera vez

19 de noviembre de 2022

Primero enviado que cumplió con los criterios de control de calidad

19 de noviembre de 2022

Publicado por primera vez (Actual)

30 de noviembre de 2022

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

30 de noviembre de 2022

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

19 de noviembre de 2022

Última verificación

1 de noviembre de 2022

Más información

Términos relacionados con este estudio

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • 2022-SDU-QILU-G008

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. .

Suscribir