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

Endoscopia de luz blanca asistida por IA para identificar la clasificación de gastritis atrófica de Kimura-Takemoto

10 de abril de 2024 actualizado por: Yanqing Li, Shandong University

Endoscopia de luz blanca asistida por inteligencia artificial para identificar la clasificación de gastritis atrófica de Kimura-Takemoto para lograr la evaluación del riesgo de cáncer gástrico

La clasificación de la atrofia endoscópica según la clasificación de Kimura-Takemoto puede evaluar el riesgo de desarrollo de neoplasia gástrica. Sin embargo, la tasa de falsos negativos de gastritis atrófica crónica es alta debido a la estandarización diagnóstica variable y la experiencia diagnóstica y los niveles de los endoscopistas. Por lo tanto, este estudio tiene como objetivo desarrollar un modelo de IA para identificar la clasificación de Kimura-Takemoto.

Descripción general del estudio

Estado

Reclutamiento

Condiciones

Intervención / Tratamiento

Descripción detallada

La clasificación de la atrofia endoscópica según la clasificación de Kimura-Takemoto puede evaluar el riesgo de desarrollo de neoplasia gástrica. Cuanto mayor sea la puntuación, más grave será el grado de gastritis atrófica. Sin embargo, la tasa de falsos negativos de gastritis atrófica crónica es alta debido a la estandarización diagnóstica variable y la experiencia diagnóstica y los niveles de los endoscopistas. Por lo tanto, este estudio tiene como objetivo desarrollar un modelo de IA para identificar la clasificación de gastritis atrófica de Kimura-Takemoto para lograr la evaluación del riesgo de cáncer gástrico.

Tipo de estudio

De observación

Inscripción (Estimado)

1500

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: yanqing Li, MD, PHD
  • Número de teléfono: 0531182169385
  • Correo electrónico: liyanqing@sdu.edu.cn

Ubicaciones de estudio

  • Porcelana
    • Shandong
      • Shangdong, Shandong, Porcelana, 250012
        • Reclutamiento
        • Department of Gastrology, QiLu Hospital, Shandong University
        • Contacto:

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

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Método de muestreo

Muestra no probabilística

Población de estudio

Los pacientes consecutivos que reciban el examen de endoscopia gastrointestinal y que cumplan con los criterios de elegibilidad en el Hospital Qilu, Universidad de Shandong, se inscribirán en el estudio.

Descripción

Criterios de inclusión:

Pacientes de 18 a 80 años que se someten a la exploración endoscópica con luz blanca Consentimiento informado proporcionado por el paciente.

Criterio de exclusión:

  1. pacientes con disfunción cardíaca, cerebral, pulmonar o renal severa o psiquiátrica;
  2. trastornos que no pueden participar en la gastroscopia;
  3. Pacientes con cáncer gástrico progresivo;
  4. imágenes de baja calidad;
  5. pacientes con procedimientos quirúrgicos previos en el estómago o el esófago;
  6. pacientes que se niegan a firmar el formulario de consentimiento informado;

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
Intervención / Tratamiento
Gastritis atrófica crónica observada por endoscopio de luz blanca
Obtenga imágenes del antro gástrico, ángulo gástrico, curvatura menor del cuerpo gástrico, cardias, fondo gástrico, curvatura mayor del cuerpo gástrico mediante endoscopio de luz blanca
Prueba de diagnóstico: Test Diagnóstico: El diagnóstico de la Inteligencia Artificial y los endosopistas
Los endosopistas y AI evaluarán la clasificación de Kimura-Takemoto de forma independiente cuando los pacientes sean elegibles.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Precisión del modelo de IA para diagnosticar la clasificación de Kimura-Takemoto
Periodo de tiempo: 2 años
Precisión del modelo de IA para diagnosticar la clasificación de Kimura-Takemoto
2 años
Sensibilidad del modelo de IA para diagnosticar la clasificación de Kimura-Takemoto
Periodo de tiempo: 2 años
Sensibilidad del modelo de IA para diagnosticar la clasificación de Kimura-Takemoto
2 años
Especificidad del modelo de IA para diagnosticar la clasificación de Kimura-Takemoto
Periodo de tiempo: 2 años
Especificidad del modelo de IA para diagnosticar la clasificación de Kimura-Takemoto
2 años

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
El valor MIOU del modelo de IA en la segmentación semántica de la imagen de atrofia endoscópica
Periodo de tiempo: 2 años
El valor MIOU del modelo de IA en la segmentación semántica de la imagen de atrofia endoscópica
2 años

Colaboradores e Investigadores

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

Patrocinador

Shandong University

Colaboradores

Linyi County People's Hospital,Dezhou,China

Investigadores

  • Silla de estudio: yanqing li, MD,PHD, Qilu Hospital, Shandong University

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 junio de 2023

Finalización primaria (Estimado)

31 de diciembre de 2024

Finalización del estudio (Estimado)

31 de diciembre de 2024

Fechas de registro del estudio

Enviado por primera vez

14 de junio de 2023

Primero enviado que cumplió con los criterios de control de calidad

14 de junio de 2023

Publicado por primera vez (Actual)

23 de junio de 2023

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

12 de abril de 2024

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

10 de abril de 2024

Última verificación

1 de abril de 2024

Más información

Términos relacionados con este estudio

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • 2022SDU-QILU-123

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 Inteligencia artificial

Buscar ensayos similares

Patrocinadores y Colaboradores

Condiciones médicas

Intervenciones de drogas

CROs by country

CROs in Oman

Condiciones

Enfermedades Raras

Intervenciones de drogas

Suplementos dietéticos

Patrocinador / Colaboradores

Localizaciones

3
Suscribir