Monimuotoinen, moniluokkainen keinotekoinen älyjärjestelmä kiinteiden haimakasvainten diagnosoimiseen endoskooppisen ultraäänen perusteella
perjantai 23. tammikuuta 2026 päivittänyt: Qilu Hospital of Shandong University
Tekoälyjärjestelmä multimodaaliseen, moniluokkaiseen kiinteiden haimasyöpäkasvainten diagnosointiin perustuen endoskooppiseen ultraäänitutkimukseen
Tämän tutkimuksen tavoitteena on validoida tekoälyjärjestelmä nimeltä iEUS-SPL (intelligent endoscopic ultrasound system-solid pancreatic lesion) kiinteiden haimakasvainten havaitsemiseksi ja monimuotoiseen, moniluokkaiseen diagnosointiin endoskooppisen ultraäänitutkimuksen (EUS) aikana.
Tutkimuksen yleiskatsaus
Tila
Tila
Rekrytointi
Ehdot
Ehdot
Interventio / Hoito
Interventio / Hoito
Yksityiskohtainen kuvaus
Tämä on havainnointitutkimus prospektiivisella kohorttisuunnittelulla.
Olemme kehittäneet tekoälyjärjestelmän nimeltä iEUS-SPL multimodaaliseen, moniluokkaiseen kiinteiden haimakasvainten diagnosointiin käyttäen endoskooppisen ultraäänen kuvia, endoskooppisen ultraäänen ominaisuuksia, kliinistä dataa ja kuvantamisominaisuuksia retrospektiivisesti kerätyiltä potilailta, jotka ovat käyneet läpi EUS-tutkimuksen.
Kasvainten havaitsemisprosentin ja iEUS-SPL:n diagnostinen suorituskyky kiinteiden haimakasvainten tunnistamisessa arvioidaan reaaliaikaisissa EUS-skannausvideoissa prospektiivisesti rekrytoitujen tapausten aikana.
Opintotyyppi
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
Ilmoittautuminen
383
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
Opiskeluyhteys
- Nimi: Zhen Li
- Puhelinnumero: 18560086106
- Sähköposti: qilulizhen@sdu.edu.cn
Opiskelupaikat
-
-
Shandong
-
Jinan, Shandong, Kiina, 250012
- Rekrytointi
- Qilu Hospital of Shandong University
-
Ottaa yhteyttä:
- Zhen Li, doctor
- Puhelinnumero: 18560086106
- Sähköposti: qilulizhen@sdu.edu.cn
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Aikuispotilaat, joilla epäillään kiinteää haimakasvainta ja jotka ovat EUS-tutkimuksen alaisia.
Kuvaus
Osallistumiskriteerit:
- Potilaat, jotka ovat vähintään 18-vuotiaita ja joille on suunniteltu EUS-tutkimusta epäiltyjen kiinteiden haimakasvainten vuoksi perustuen kliinisiin oireisiin, sairaushistoriaan, laboratoriotutkimuksiin tai radiologisiin tutkimuksiin, suostuvat osallistumaan tutkimukseen ja pystyvät allekirjoittamaan tietoon perustuvan suostumuksen.
- Potilaat, joilla ei ole aiempaa hoitoa haimakasvaimista.
Poissulkemiskriteerit:
- Potilaat, joilla on absoluuttisia vasta-aiheita EUS-tutkimukselle.
- Raskaus tai imetys.
- Korjaamaton veren hyytymishäiriö (PTT>50 sekuntia tai INR>1.5) ja/tai korjaamaton trombosytopenia (verihiutaleiden määrä<50×10⁹/L).
- Ylemmän ruoansulatuskanavan tukos.
- Potilaat, jotka ovat käyneet läpi kirurgista hoitoa tai haiman anatomiallisia muutoksia muiden rinta- ja/tai vatsaontelon elinten kasvainten vuoksi, sekä potilaat, joilla on synnynnäisiä anatomiallisia poikkeavuuksia.
- Potilaat, joille on asetettu sappitie/haimatie-stentti.
- Potilaat, jotka kieltäytyvät allekirjoittamasta tietoon perustuvaa suostumusta.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Ryhmien/kohorttien lukumäärä
1
Kohortit ja interventiot
Ryhmä/KohorttiRyhmä/Kohortti |
Interventio / HoitoInterventio / Hoito |
|---|---|
|
Potilaat, jotka ovat EUS-tutkimuksessa
Potilaat, joiden ikä on ≥18 vuotta ja jotka on suunniteltu EUS-tutkimukseen epäiltyjen kiinteiden haimakasvainten vuoksi perustuen kliinisiin oireisiin, sairaushistoriaan, laboratoriotutkimuksiin tai radiologisiin tutkimuksiin, suostuvat osallistumaan tutkimukseen ja pystyvät allekirjoittamaan tietoon perustuvan suostumuksen.
|
iEUS-SPL tunnistaa automaattisesti kiinteät haimatulehdukset ja integroi potilaan endoskooppiset ultraäänikuvat, endoskooppiset ultraäänipiirteet, kliiniset tiedot sekä kuvantamismuistiinpanot suorittaakseen viiden luokan luokittelun tulehduksille. Ne luokitellaan haimasyöväksi, haimaneuroendokriiniseksi kasvaimeksi, kiinteäksi pseudopapillaariseksi kasvaimeksi, autoimmuunihaimatulehdukseksi ja krooniseksi haimatulehdukseksi.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
iEUS-SPL:n tarkkuus kiinteissä haimakudosmuutoksissa
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen ensisijainen tavoite on arvioida iEUS-SPL:n tarkkuutta kiinteiden haimatapahtumien tunnistamisessa (mukaan lukien haimasyöpä, haimasyöpäinen neuroendokriini kasvain, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti).
|
Toimenpiteen aikana
|
|
iEUS-SPL:n herkkyys kiinteille haimasyöpäkasvaimille
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen ensisijainen tavoite on arvioida iEUS-SPL:n herkkyyttä tunnistaessaan kiinteitä haimatulehdusmuutoksia (mukaan lukien haimasyöpä, haiman neuroendokriiniset kasvaimet, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti).
|
Toimenpiteen aikana
|
|
iEUS-SPL:n spesifisyys kiinteille haimasyövälle
Aikaikkuna: Tutkimuksen aikana
|
Tutkimuksen ensisijainen tavoite on arvioida iEUS-SPL:n spesifisyyttä kiinteiden haimakasvainten (mukaan lukien haimasyöpä, haiman neuroendokriiniset kasvaimet, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti) tunnistamisessa.
|
Tutkimuksen aikana
|
|
iEUS-SPL:n positiivinen ennustearvo kiinteille haima-alueille
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen ensisijainen tavoite on arvioida iEUS-SPL:n positiivista ennustearvoa kiinteiden haimakasvainten (mukaan lukien haimasyöpä, haiman neuroendokriinis kasvain, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti) tunnistamisessa.
|
Toimenpiteen aikana
|
|
iEUS-SPL:n negatiivinen ennustearvo kiinteille haima-alueille
Aikaikkuna: Proseduurin aikana
|
Tutkimuksen ensisijainen tavoite on arvioida iEUS-SPL:n negatiivista ennustearvoa kiinteiden haimatulehdusten tunnistamisessa (mukaan lukien haimasyöpä, haiman neuroendokriiniset kasvaimet, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti).
|
Proseduurin aikana
|
|
kiinteiden haimakasvainten havaitsemisen todennäköisyys iEUS-SPL:llä
Aikaikkuna: During procedure
|
Tutkimuksen ensisijainen tavoite on arvioida iEUS-SPL:n havaitsemislukua (määriteltynä havaittujen leesioiden lukumääränä jaettuna leesioiden kokonaismäärällä) kiinteiden haimatulehdusten tunnistamisessa.
|
During procedure
|
Toissijaiset tulostoimenpiteet
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
iEUS-SPL:n ja endosonografia-asiantuntijoiden tarkkuuden vertailu
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen toissijainen tavoite on verrata iEUS-SPL:n ja eri tasoisen endosonografiaan erikoistuneiden lääkärien tarkkuutta kiinteiden haima-alueiden tunnistamisessa (mukaan lukien haimasyöpä, haimasyöpä, haimasyöpä, autoimmuunihaimatulehdus, krooninen haimatulehdus).
|
Toimenpiteen aikana
|
|
iEUS-SPL:n ja endosonografistojen herkkyyden vertailu
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen toissijainen tavoite on verrata iEUS-SPL:n ja eritasoisten endosonografioiden herkkyyttä kiinteiden haimatulehdusten (mukaan lukien haimasyöpä, haimaneuroendokriinit kasvaimet, kiinteät pseudopapillaariset kasvaimet, autoimmuunipankreatiitti, krooninen pankreatiitti) tunnistamisessa.
|
Toimenpiteen aikana
|
|
iEUS-SPL:n ja endosonografistien erityisyyden vertailu
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen toissijainen tavoite on vertailla iEUS-SPL:n ja eri tasoisten endosonografistien erottelukykyä kiinteiden haimakasvainten tunnistamisessa (mukaan lukien haimasyöpä, haiman neuroendokriiniset kasvaimet, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti).
|
Toimenpiteen aikana
|
|
Vertailu iEUS-SPL:n ja endosonografien positiivisen ennustearvon välillä
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen toissijainen tavoite on verrata positiivista ennustearvoa iEUS-SPL:n ja eri tasoisilla endosonografioilla suoritettujen tutkimusten välillä kiinteiden haimakasvainten tunnistamisessa (mukaan lukien haimasyöpä, haiman neuroendokriiniset kasvaimet, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti).
|
Toimenpiteen aikana
|
|
Vertaile iEUS-SPL:n ja endosonografioiden negatiivisen ennusteellisen arvon välillä
Aikaikkuna: Toimenpiteen aikana
|
Tutkimuksen toissijainen tavoite on verrata iEUS-SPL:n ja eritasoisten endosonografistien negatiivista ennustearvoa kiinteiden haimatulehdusten (mukaan lukien haimasyöpä, haiman neuroendokriiniset kasvaimet, kiinteä pseudopapillaarinen kasvain, autoimmuunipankreatiitti, krooninen pankreatiitti) tunnistamisessa.
|
Toimenpiteen aikana
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Sponsori
Yhteistyökumppanit
Yhteistyökumppanit
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Wu HL, Yao LW, Shi HY, Wu LL, Li X, Zhang CX, Chen BR, Zhang J, Tan W, Cui N, Zhou W, Zhang JX, Xiao B, Gong RR, Ding Z, Yu HG. Validation of a real-time biliopancreatic endoscopic ultrasonography analytical device in China: a prospective, single-centre, randomised, controlled trial. Lancet Digit Health. 2023 Nov;5(11):e812-e820. doi: 10.1016/S2589-7500(23)00160-7. Epub 2023 Sep 27.
- Oh CK, Kim T, Cho YK, Cheung DY, Lee BI, Cho YS, Kim JI, Choi MG, Lee HH, Lee S. Convolutional neural network-based object detection model to identify gastrointestinal stromal tumors in endoscopic ultrasound images. J Gastroenterol Hepatol. 2021 Dec;36(12):3387-3394. doi: 10.1111/jgh.15653. Epub 2021 Aug 16.
- Bang JY, Saftoiu A, Udristoiu A, Gruionu L, Codruta Gheorghe E, Gruionu G, Ramesh J, Wilcox CM, Varadarajulu S. Prospective clinical validation of a novel artificial intelligence system for real-time detection of solid pancreatic masses during endoscopic ultrasonography. Endoscopy. 2025 Oct 13. doi: 10.1055/a-2701-6530. Online ahead of print.
- Cui H, Zhao Y, Xiong S, Feng Y, Li P, Lv Y, Chen Q, Wang R, Xie P, Luo Z, Cheng S, Wang W, Li X, Xiong D, Cao X, Bai S, Yang A, Cheng B. Diagnosing Solid Lesions in the Pancreas With Multimodal Artificial Intelligence: A Randomized Crossover Trial. JAMA Netw Open. 2024 Jul 1;7(7):e2422454. doi: 10.1001/jamanetworkopen.2024.22454.
- Zhang J, Zhu L, Yao L, Ding X, Chen D, Wu H, Lu Z, Zhou W, Zhang L, An P, Xu B, Tan W, Hu S, Cheng F, Yu H. Deep learning-based pancreas segmentation and station recognition system in EUS: development and validation of a useful training tool (with video). Gastrointest Endosc. 2020 Oct;92(4):874-885.e3. doi: 10.1016/j.gie.2020.04.071. Epub 2020 May 6.
- Dahiya DS, Al-Haddad M, Chandan S, Gangwani MK, Aziz M, Mohan BP, Ramai D, Canakis A, Bapaye J, Sharma N. Artificial Intelligence in Endoscopic Ultrasound for Pancreatic Cancer: Where Are We Now and What Does the Future Entail? J Clin Med. 2022 Dec 16;11(24):7476. doi: 10.3390/jcm11247476.
- Kim YH, Kim GH, Kim KB, Lee MW, Lee BE, Baek DH, Kim DH, Park JC. Application of A Convolutional Neural Network in The Diagnosis of Gastric Mesenchymal Tumors on Endoscopic Ultrasonography Images. J Clin Med. 2020 Sep 29;9(10):3162. doi: 10.3390/jcm9103162.
- Qin X, Zhang M, Zhou C, Ran T, Pan Y, Deng Y, Xie X, Zhang Y, Gong T, Zhang B, Zhang L, Wang Y, Li Q, Wang D, Gao L, Zou D. A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma. Cancer Med. 2023 Aug;12(16):17005-17017. doi: 10.1002/cam4.6335. Epub 2023 Jul 17.
- Tian S, Shi H, Chen W, Li S, Han C, Du F, Wang W, Wen H, Lei Y, Deng L, Tang J, Zhang J, Lin J, Shi L, Ning B, Zhao K, Miao J, Wang G, Hou H, Huang X, Kong W, Jin X, Ding Z, Lin R. Artificial intelligence-based diagnosis of standard endoscopic ultrasonography scanning sites in the biliopancreatic system: a multicenter retrospective study. Int J Surg. 2024 Mar 1;110(3):1637-1644. doi: 10.1097/JS9.0000000000000995.
- Oh S, Kim YJ, Park YT, Kim KG. Automatic Pancreatic Cyst Lesion Segmentation on EUS Images Using a Deep-Learning Approach. Sensors (Basel). 2021 Dec 30;22(1):245. doi: 10.3390/s22010245.
- Norton ID, Zheng Y, Wiersema MS, Greenleaf J, Clain JE, Dimagno EP. Neural network analysis of EUS images to differentiate between pancreatic malignancy and pancreatitis. Gastrointest Endosc. 2001 Nov;54(5):625-9. doi: 10.1067/mge.2001.118644.
- Nakamura H, Fukuda M, Matsuda A, Makino N, Kimura H, Ohtaki Y, Nawa Y, Oyama S, Suzuki Y, Kobayashi T, Ishizawa T, Kakizaki Y, Ueno Y. Differentiating localized autoimmune pancreatitis and pancreatic ductal adenocarcinoma using endoscopic ultrasound images with deep learning. DEN Open. 2024 Mar 2;4(1):e344. doi: 10.1002/deo2.344. eCollection 2024 Apr.
- Dhali A, Kipkorir V, Srichawla BS, Kumar H, Rathna RB, Ongidi I, Chaudhry T, Morara G, Nurani K, Cheruto D, Biswas J, Chieng LR, Dhali GK. Artificial intelligence assisted endoscopic ultrasound for detection of pancreatic space-occupying lesion: a systematic review and meta-analysis. Int J Surg. 2023 Dec 1;109(12):4298-4308. doi: 10.1097/JS9.0000000000000717.
- Das A, Nguyen CC, Li F, Li B. Digital image analysis of EUS images accurately differentiates pancreatic cancer from chronic pancreatitis and normal tissue. Gastrointest Endosc. 2008 May;67(6):861-7. doi: 10.1016/j.gie.2007.08.036. Epub 2008 Jan 7.
- Kuwahara T, Hara K, Mizuno N, Haba S, Okuno N, Kuraishi Y, Fumihara D, Yanaidani T, Ishikawa S, Yasuda T, Yamada M, Onishi S, Yamada K, Tanaka T, Tajika M, Niwa Y, Yamaguchi R, Shimizu Y. Artificial intelligence using deep learning analysis of endoscopic ultrasonography images for the differential diagnosis of pancreatic masses. Endoscopy. 2023 Feb;55(2):140-149. doi: 10.1055/a-1873-7920. Epub 2022 Jun 10.
- Tian G, Xu D, He Y, Chai W, Deng Z, Cheng C, Jin X, Wei G, Zhao Q, Jiang T. Deep learning for real-time auxiliary diagnosis of pancreatic cancer in endoscopic ultrasonography. Front Oncol. 2022 Oct 7;12:973652. doi: 10.3389/fonc.2022.973652. eCollection 2022.
- Qin X, Ran T, Chen Y, Zhang Y, Wang D, Zhou C, Zou D. Artificial Intelligence in Endoscopic Ultrasonography-Guided Fine-Needle Aspiration/Biopsy (EUS-FNA/B) for Solid Pancreatic Lesions: Opportunities and Challenges. Diagnostics (Basel). 2023 Sep 26;13(19):3054. doi: 10.3390/diagnostics13193054.
- Goyal H, Sherazi SAA, Gupta S, Perisetti A, Achebe I, Ali A, Tharian B, Thosani N, Sharma NR. Application of artificial intelligence in diagnosis of pancreatic malignancies by endoscopic ultrasound: a systemic review. Therap Adv Gastroenterol. 2022 Apr 29;15:17562848221093873. doi: 10.1177/17562848221093873. eCollection 2022.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Opiskelun aloitus
Maanantai 1. syyskuuta 2025
Ensisijainen valmistuminen (Arvioitu)
Ensisijainen valmistuminen
Perjantai 30. kesäkuuta 2028
Opintojen valmistuminen (Arvioitu)
Opintojen valmistuminen
Perjantai 30. kesäkuuta 2028
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen lähetetty
Keskiviikko 24. joulukuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 23. tammikuuta 2026
Ensimmäinen Lähetetty (Todellinen)
Ensimmäinen Lähetetty
Maanantai 2. helmikuuta 2026
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin päivitys julkaistu
Maanantai 2. helmikuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 23. tammikuuta 2026
Viimeksi vahvistettu
Viimeksi vahvistettu
Maanantai 1. syyskuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
Muut tutkimustunnusnumerot
- 2025-SDU-QILU-6
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .